数据挖掘(三) 数据统计

在认识了数据之后，我们要知道基本的数据统计方法为数据处理做准备

数据统计动机：

　　为了更好地理解数据：集中趋势、分布

数据统计的常用统计特性：

　　最大值，最小值，中位数，位数，离群值，方差等

中性化趋势度量：均值、中位数、众数

　　平均值：一组数据的均衡点（均值对离群值很敏感，因此，中位数和截断均值也很常用（暂时还不理解））\(mean(x) = \bar{x} = \frac{1}{m}\sum_{i=1}^{m}x_{i}\)

　　中位数：\(median\left ( x\right ) = \begin{cases}
x_{r+1} & \text{}m为奇数 \\
\frac{1}{2}\left ( x_{r}+x_{r+1}\right ) & m为偶数
\end{cases}\)

　　众数：一组数据中出现次数最多的数据值

经验公式：\(mean - mode = 3\times \left ( mean-median\right )\)

离散度度量：

下图为一个盒状图，红色小点即为离群点，所谓离群点就是我们数据里面可能存在的一些噪音数据，通常在我们数据挖掘的算法过程中要删除这些点，来提高我们数据挖掘算法的精度和效果

 

 四分位点：四分位数：Q1（第25百分位），Q3（第75百分位）

　　　　　四分位数极差：IQR = Q3 - Q1

五点概况：min，Q1，median，Q3，max

离群点：通常一个值高于或低于\(1.5\times IQR\)