数据对象与属性类型：数值属性分析

"这是一份关于R语言多元统计分析的课件，主要讲解数值属性的类型，包括数量、区间和比率三个类别，并涉及到数据挖掘、探索性数据分析、数据对象和属性类型等多个数据科学领域的概念。内容涵盖了数据的统计描述、数据可视化、数据正态性、相似性和相异性的度量，以及不同种类的数据集合，如记录、图和网络、有序数据、空间和图像数据等。此外，还提到了数据的维度、稀疏性、分辨率和分布等重要特征。" 在这份课件中，数值属性的类型是关键讨论点： 1. **数量（Quantity）**：数值属性可以是整数或实数，代表连续或离散的量。这类数据可以进行加减乘除等数学运算。 2. **区间（Interval）**：在同等大小的尺度单位上测量的数据，如温度（摄氏度或华氏度）、日历日期等。虽然有数值上的顺序，但这些数据类型的零点是人为设定的，不具有绝对意义上的零值。 3. **比率（Ratio）**：具有真正零点的数值属性，例如温度的开尔文标度，10K是5K的两倍。比率尺度允许比较不同数值间的比例关系。 课件还涉及了更广泛的数据科学主题： - **探索性数据分析（EDA）**：包括数据可视化分析，这是理解数据分布、模式和异常的关键步骤。 - **数据的统计描述**：对数据的基本统计量如均值、中位数、方差等进行计算，以概括数据的主要特性。 - **数据可视化**：通过图表展示数据，帮助识别模式、趋势和异常值。 - **数据正态性**：检查数据是否遵循正态分布，这对于许多统计检验和模型假设至关重要。 - **测量数据相似性和相异性**：利用距离度量或相似性度量来比较数据对象。 数据集合的多样性和特性也得到了讨论： - **记录**：包括关系型记录、数据矩阵、文档数据、交易数据等，涵盖了各种结构化的数据形式。 - **图和网络**：如社交网络、信息网络等，是复杂数据结构的典型例子。 - **有序数据**：如视频数据、时间序列数据，它们包含时间上的顺序信息。 - **空间、图像和多媒体数据**：包括地图、图像数据和视频数据，这些都是地理信息系统和视觉分析的重要组成部分。 课件还强调了数据的几个关键特征，如维度、稀疏性、分辨率和分布，这些都是处理大规模数据时必须考虑的因素。例如，维度灾难是指随着维度增加，数据点变得更加稀疏，使得分析变得更加困难；而稀疏性意味着只关注出现的特征，忽略未出现的；分辨率则影响我们能检测到的模式；分布则反映数据的集中程度和分散情况。