data mining 1

数据挖掘中的数据

属性的不同类别

• nominal：ID号码，眼睛的颜色，zip code
• ordinal： rankings，grades，height
• interval：日历上的日期，摄氏或华氏温度
• ratio：开尔文温度，长度，时间，计数counts

属性的类别取决于它支持一下哪些类别：

• Distinctness: = ,neq

• Order: < >

• Addition: + -

• Multiplication: * /

• Nominal attribute: distinctness

• Ordinal attribute: distinctness & order

• Interval attribute: distinctness, order & addition

• Ratio attribute: all 4 properties

image.png
image.png

离散和连续属性

离散的数据用的最多的方法是二进制矩阵方法。比如文本聚类，单词出现就是1，否则就是0. 数学方法处理二进制矩阵十分方便。但二进制方法又会损失一些信息，比如单词多次重复出现。
一些方法仅仅支持离散数据而并不支持连续数据。比如决策树方法，就无法很好地对连续数据进行处理。为了实现这样的连续型数据，可以简单的进行离散化。

非对称性属性
一个属性比另外一个属性更重要（比如1比0重要）。商场买东西的情况，买东西比没买东西更重要。

数据的表达方式
常用的是矩阵。网络数据可以被图模型所表示。空间数据（spatial data，mobile data）