• 二元属性（离散属性点特例，仅取两个不同值）
对称的二元属性（两个值一样重要）
非对称的二元属性（通常一个比另一个更重要常用1表示）
2.数据类型
• 记录数据（数据矩阵、文档数据、事务数据（购物篮数据））
• 图数据（万维网-带有对象之间的联系、分子结构）
• 有序数据（时序数据、序列数据、基因序列数据、空间数据）
3. 数据的统计描述
• 中心趋势度量（均值、众数、中位数、中列数-数据集最大和最小
的平均值）
众数：
一个数据集中可能有多个众数，对于非对称的单峰数据，有
平均值-众数=3（平均值-中位数）
• 数据的散布（极差、四分位数、四分位数极差、五数概括、盒
图）
四分位数极差：IQR=Q3-Q1
五数概括：[min,Q1,median,Q3,max]
• 可视化
分位数图（观察单变量数据分布）
分位数-分位数图（刻画一个分布到另一个是否有漂移）
直方图（刻画数据的整体分布情况）
散点图（数据的具体分布<=3维）
4. 数据的相似性度量
1）标称属性数据
相异性度量方法：
√
成
→
低于中位数运间的频率和
⼤数据
:
《
中位数
)
近似值估计
(
线性插值
1
media
L
,
+
[
☆
-
Efrealamedian
|
width
糷院数区间宽度
←
中位数的不界
θ
fi
=
i
⼀器
☆
U
dil
,
j
)
=
P
管
(
mi
状态取值匹配的变量数⽇
,
P
:
变量总数
)
