数据挖掘中的数据

数据挖掘是为了发现有用信息，是kdd知识发现in database 的一部分。

数据挖掘分为四种任务：预测建模、关联分析、聚类分析、异常检测。

数据的关注点：

数据的类型、数据的质量、数据的处理（比如，连续值转换为离散值，减少属性数量）、数据的联系。

属性的描述，即测量，用一个值或符号来表示物理世界的属性，二者性质不必完全相同，如年龄与数值。不用把属性的性质全部描述。

属性的类型：标称、序、区间、比率。

属性：连续、离散。

非对称：出现非零值才是最重要的（？非零值很少），比如01中的1。

数据集的类型：记录数据、图形数据（对象的结构或者对象的联系）、有序数据。

噪声是测量误差，伪像是确定性的偏差。

精度是标准差，偏倚是平均值和准确值的偏差，准确度和有效数字相关。离群点可能是合法值，且是感兴趣的，例如网络访问中的网络攻击。

数据的应用问题：

时效性、相关性

抽样偏倚：样本不能代表总体

考虑设计鲁棒性强的算法