数据挖掘复习笔记---02.数据

栏目: 数据库 · 发布时间: 5年前

内容简介:数据

数据

四个问题

  • 数据类型(用什么类型,用什么工具)
  • 数据质量(噪声,离散点,缺失值,异常点,重复)
  • 预处理(提高数据质量,使数据可以被特定的 工具 处理)
  • 相似性和距离度量

本节大纲

  • 关于数据的基本概念
  • 如何用统计学方法描述数据
  • 度量数据之间的相似性和距离

基本概念

  • 数据集

    特性:维度,稀疏程度

    类型:结构化记录,图像,时间序列数据

  • 属性

    种类:分类数据(Categorical),数值型/量化数据(Quantitative),离散、连续

统计学描述

  • Median, 中位数
  • Midrange, 中列数 = (min + max) / 2

对称性

  • Skewness, 倾斜程度 = Mean - Mode, Skewness

    Skewness = 0, 对称, Symmetric

    数据挖掘复习笔记---02.数据

    Skewness > 0, 均值大于众数, 正向倾斜, Positively skewness

    数据挖掘复习笔记---02.数据

    Skewness < 0, 均值小于众数, 负向倾斜, Negatively skewness

    数据挖掘复习笔记---02.数据

Divergence, 差异性

  • Q 分位数(有序序列, %)

    Q0 = min, Q1 = 25%, Q2 = 50%(中位数), Q3 = 75%, Q5 = max

  • Boxplot 盒子图, 实线盒子的上中下边界是 Q3, Q2, Q1, 虚线上下边界是 max, min
  • 方差, Variance

    数据挖掘复习笔记---02.数据

  • 标准差, standard deviation = sqrt(variance)

可视化, Visualization

  • 更加方便直观地体验数据,观察趋势,相关性
  • 直方图

    不同的颜色 --- 不同类别

    不同的高度,宽度 --- 数量

  • 散点图

    To describe whether there are relationships, patterns or trends between two numerical variables, 揭示两个变量之间是否存在关联

    正相关,负相关,不相关

  • 高维数据

    很难同时展示所有维度的数据

    分层展示,树形结构

  • 非数值型数据

    文本:标签,词云,大小颜色

    数据挖掘复习笔记---02.数据

    图:结点的颜色,大小,边的粗细

    数据挖掘复习笔记---02.数据

距离度量

  • 街区距离,曼哈顿距离
  • 欧式距离,欧几里得距离
  • 闵可夫斯基距离, Minkowski Distance

    数据挖掘复习笔记---02.数据

    p = 1 时 变成街区距离, p = 2 时变成欧式距离


以上就是本文的全部内容,希望对大家的学习有所帮助,也希望大家多多支持 码农网

查看所有标签

猜你喜欢:

本站部分资源来源于网络,本站转载出于传递更多信息之目的,版权归原作者或者来源机构所有,如转载稿涉及版权问题,请联系我们

高可用架构(第1卷)

高可用架构(第1卷)

高可用架构社区 / 电子工业出版社 / 2017-11-1 / 108.00元

《高可用架构(第1卷)》由数十位一线架构师的实践与经验凝结而成,选材兼顾技术性、前瞻性与专业深度。各技术焦点,均由极具代表性的领域专家或实践先行者撰文深度剖析,共同组成“高可用”的全局视野与领先高度,内容包括精华案例、分布式原理、电商架构等热门专题,及云计算、容器、运维、大数据、安全等重点方向。不仅架构师可以从中受益,其他IT、互联网技术从业者同样可以得到提升。一起来看看 《高可用架构(第1卷)》 这本书的介绍吧!

JSON 在线解析
JSON 在线解析

在线 JSON 格式化工具

UNIX 时间戳转换
UNIX 时间戳转换

UNIX 时间戳转换

RGB HSV 转换
RGB HSV 转换

RGB HSV 互转工具