机器学习中数据的属性类型

本文简单介绍机器学习中数据的属性类型，针对数据的不同属性类型需要不同的数据预处理方法。

数据集由数据对象组成，一个数据对象代表一个实体。数据对象又称样本、实例、数据点或对象。属性（attribute）是一个数据字段，表示数据对象的一个特征。属性向量（或特征向量）是用来描述一个给定对象的一组属性。属性有不同类型：标称属性（nominal attribute）、二元属性（binary attribute）、序数属性（ordinal attribute）、 数值属性（numerical attribute）、离散属性与连续属性。

1.标称属性（nominal attribute）

标称属性的值是一些符号或实物的名称，每个值代表某种类别、编码或状态，所以标称属性又被看做是分类型的属性（categorical）。这些值不必具有有意义的序，并且不是定量的。

2.二元属性（binary attribute）

二元属性是一种标称属性，只有两个类别或状态：0或1，其中0常表示不出现，1表示出现。如果将0和1对应于false和true，二元属性则为布尔属性。

3.序数属性（ordinal attribute）

**序数属性可能的取值之间具有有意义的序或秩评定，**但相继值之间的差是未知的。例如，学生的成绩属性可以分为优、良、中、差四个等级；某快餐店的饮料杯具有大、中、小三个可能值。然而，具体“大”比“中”大多少是未知的。

**序数属性可用于记录不能客观度量的主观质量评估。**因此，序数属性常用于等级评定调查。如某销售部门客户服务质量的评估，0表示很不满意，1不太满意，2表示中性，3表示满意，4表示非常满意。

通过数据预处理中的数据规约，序数属性可以通过将数据的值域划分成有限个有序类别，将数值属性离散化而得到。应注意的是，