資料探勘的學習，我是參考了《資料探勘概念與技術》韓家煒老師的書籍學習
第一部分 認識資料
1.1 屬性
屬性是乙個資料字段，便是資料物件的乙個特徵。
分類一：
標稱屬性：值是符號或事物的名稱。ex，hair_color,customer_id。對其算數運算無
意義。二元屬性：一種標稱屬性。只有兩個狀態or類別：0,1
序數屬性：值之間具有有意義的序或秩，但相鄰值之間的差未知。ex,快餐店飲料的大，中，小。其有意義的先後次序。
數值屬性：定量的，可度量的量，可算數計算的，用整數或實數值表示，分為區間標度and比率標度。
（1）區間標度屬性：如溫度，不能說乙個溫度值是另乙個的倍數（用比率表達）
(2) 比率標度屬性：屬性具有固定零點的數值屬性。可以說乙個是另乙個的倍數、
分類二：
1.離散屬性：具有有限或無限可數個數，可以用or不用數值表示。如果乙個屬性的可能的值集合是無限的，但是可以建立乙個與自然數的一一對應，則這個屬性是無限可數的，如customer_id.
2.連續屬性：連續屬性一般用浮點變數表示。
1.2 資料的基本統計描述
中心趨勢度量：描述資料分度的中部或中心位置。即給定乙個屬性，他的值大部分落在那
（1）最常用： 均值，加權算數均值（加權平均），截尾均值（去掉高低極值後的均值）
（2）對於非對稱資料，資料中心的更好度量：中位數
(3)眾數：可能的最高頻率對應多個不同值，叫為單峰的，雙峰，三峰的
（4）中列數：資料集中最大和最小值得平均值
注意：對於對稱資料，均值，中位數，眾數於一點；對於正傾斜資料（左傾斜）順序為眾數，中位數，均值；對於負傾斜資料，順序為均值，中位數，眾數
度量資料散布
（1）極差，四分位數，四分位數極差（對於對稱資料好用）
分位數：取自資料分布的每隔一定間隔上的點。2-分位數是乙個資料點對應中位數；4-分位數是3個資料點，將資料分為25%，50%，75%，iqr位四分位數的極差 iqr=q3-q1
（2）五數概括，盒圖與離群點（對於傾斜資料好用）
五點概括：25%點q1，中位數點，75%點q3，最高點，最低點
盒圖：盒的長度為極值iqr（q3-q1），中位數用盒內的線標記，盒外的線延伸 到大小最值
方差和標準差
1.3資料的基本描述的圖形顯示
分位數圖，直方圖，散點圖
1.4 度量資料的相似性和相異性
資料探勘引入 基礎知識
全球每天都在產生數以兆兆的資料，每個人的行為都會產生資料 資料的 式增長並且廣泛可用讓我們真正進入資料時代。普通人面對這資料海洋就是束手無策 一臉懵逼 我是誰？我從哪兒來？我要去哪兒？但是在這資料海洋中有著無與倫比的財富等待著我們去發現。資料探勘 資料探勘是指從大量的資料中通過演算法搜尋隱藏於其中資...
資料探勘的幾個基礎知識
1.為什麼資料探勘是重要的？主要是由於存在可以廣泛使用的大量資料，並且迫切需要將這些資料轉換成有用的資訊和知識，以將其廣泛用於市場分析 欺詐檢測 顧客保有 產品控制和科學探索等。2.資料探勘系統的一般結構 知識發現過程由以下步驟組成 1 資料清理 消除雜訊和不一致資料 2 資料整合 可將多重資料來源...
資料探勘 基礎知識 彙總筆記1
分類 有監督 聚類 無監督 1.k means 連續型，數值型資料，使用歐式距離 余弦距離 大哥 小弟 的例子，無監督學習演算法 形心均值是相加再除即可 對異常值敏感 k medoids 形心均值改為中心點，在每個聚簇中按照順序依次選取點，計算該點到當前聚簇中所有點距離之和，最終距離之和最小的點，則...