武汉大学商务智能考试复习指南：数据理解与属性分析

商务智能复习题涵盖了武汉大学计算机学院的课程内容，旨在帮助学生准备期末考试。该资料主要围绕数据和商务智能的核心概念展开，包括但不限于： 1. 数据的理解：数据被定义为一系列事实的集合，来源于实验、观察、交易或经验，是商务智能分析的基础。 2. 数据集与数据对象：数据集由多个数据对象组成，每个对象代表一个实体，通过属性来描述其特征。 3. 数据分类：通过数据的对称轴（如在图形中的位置）来判断数据的性质，如b与a的符号关系，对称轴在y轴两侧可能带来不同的意义。 4. 非结构化数据与半结构化数据：前者如文本和多媒体，没有固定结构；后者如XML、JSON等虽有一定的结构，但在某些情况下也可视为非结构化数据。 5. 数据属性：属性是描述数据对象特性的基本单位，有不同的类型，如标称属性（类别性，如性别）、二元属性（只有两个状态，如真/假）、序数属性（有等级但无绝对大小，如满意度）、数值属性（可测量的数值）和区间标度属性（如温度）与比率标度属性（如重量）。 6. 属性的对称性：二元属性中的对称性意味着两个状态同等重要，非对称性则表明它们有不同的重要性。在处理非对称属性时，需识别并优先考虑重要属性。 7. 中心性测量：商务智能中常用的中心性度量包括均值（如通过池化函数计算）、中位数（适用于标称和次序属性）、众数（表示最常出现的值）以及中列数，用于反映数据分布的集中趋势。 8. 特别提到，对于标称属性，由于值之间的关系不是数量级的，只能使用众数作为中心性量度，而不能计算平均数或中值。同样，次序属性允许使用众数和中值，但不适用于平均数的计算。 这些知识点为商务智能的学习者提供了清晰的框架，有助于理解和应用数据处理、数据分析和决策支持技术。通过掌握这些概念，学生可以更好地理解和应对商务智能相关的考试题目。