第二章
21、研究的属性类型
标称属性：值是一些符号或事物的名称，代表某种类型、编码或状态
二元属性：是一种标称属性，只有两个类别或状态，又称布尔属性
序数属性：是一种属性，其可能的值之间具有有意义的序或秩评定，但是相续值之间的差是未知的
数值属性：是定量的，即他是可度量的量，可用整数或实数值表示（区间和比率标度）
22、数据散布常见的度量量（数据如何分散的方法/识别离群点）
极差 四分位数、四分位数极差、五数概括图、方差和标准差
23、审视数据的图形
条形、饼图、线图、分位数图、分位数—分位数图、直方图和散点图
24、数据的可视化
1、基于像素的可视化
2、几何投影可视化技术
3、基于图符的可视化技术：（1）切尔诺夫脸 （2）人物线条画
4、层次可视化技术
5、可视化复杂对象和关系
第三章
25、数据质量涉及的因素：
1、准确性、完整性、一致性、时效性、可信性和可解释性
26、数据预处理的主要任务：
1、数据清理 2、数据集成 3、数据规约 4、数据转换
27、处理缺失值得方法：
1、忽略元组 2、人工填写缺失值 3、使用一个全局常量填充缺失值
4、使用属性的中心（如均值或中位数）填充缺失值
5、使用与给定元组属同一类的所有样本的属性均值或中位数
6、使用最可能的值填充缺失值
28、光滑数据，去掉噪声（也用于数据离散化和数据规约）
1、分箱：通过考察数据的“邻近”来光滑有序数据值
2、回归：用一个拟合函数来光滑数据
3、离群点分析：通过如聚类来检测离群点
29、数据清理过程
1、第一步偏差检测
2、偏差检测和数据变换（纠正偏差）的两步迭代执行
3、新的数据清理方法加强交互性
4、开发数据变换操作的规范说明语言
30、数据归约策略（可以用来得到数据集的归约表示，但仍接近于保持原始数据的完整性）
1、维归约：减少所考虑的随机变量或属性个数
2、数量归约：用替代的、较小的数据形式替换原数据
3、数据压缩：使用变换，以得到原数据的归约或“压缩”表示
31、离散小波变换（DWT）与离散傅里叶变换有密切关系
DFT是一种涉及正弦和余弦的信号处理技术。然而，一般地说，DWT是一种更好的有损压缩，对于给定的向量，如果DWT与DFT保留相同数目的系数，则SWT将提供原数据更准确的近似。因此对于相同的近似，SWT需要的空间比DFT小。与DFT不同，小波空间局部性相当好，有助于保留局部细节。
32、离散小波变换过程
1、输入数据向量的长度必须是2的整数幂
2、每个变换涉及应用两个函数
3、两个函数作用于X中的数据点对
4、两个函数递归地作用于前面循环得到的数据集，直到得到的结果数据集的长度为2
5、由以上迭代得到的数据集中选择的值被指定为数据变换的小波系数
33、主成分分析的基本过程
1、对输入数据规范化，使得每个属性都落入相同的区间。
2、PCA计算k个标准正交向量，作为规范化输数据的基
3、对主成分按“重要性”或强度降序排序
4、既然主成分根据“重要性”降序排序，因此可以通过去掉较弱的成分来归约数据
34、属性子集选择定义、目标、优点
定义：通过删除不相关或冗余的属性（或维）减少数据量。
目标：找出最小属性集
优点：减少了出现在发现模式上的属性数目，使得模式更易于理解
35、属性子集选择的基本启发式方法包括的技术
1、逐步向前选择 2、逐步向后选择
3、逐步向前选择和逐步向后删除的组合 4、决策树归纳
36、数据变换以及策略
数据变换：数据被变换或统一成适合于挖掘的形式
策略： 1、光滑 2、属性构造 3、聚集 4、规范化 5、离散化
6、有标称数据产生概念分层
37、数据的离散化方法
1、通过分箱离散化 2、通过直方图离散化 3、通过聚类、决策树和相关分析离散化
38、四种标称数据概念分层产生方法
1、由用户或专家在模式级显示地说明属性的部分序
2、通过显示数据分组说明分层结构的一部分
3、说明属性集但不说明他们的偏序
4、只说明部分属性集

2017.06.29数据挖掘基础概念第二.三章