數(shù)據(jù)挖掘第二章——認(rèn)識(shí)數(shù)據(jù)(1)2

1、“”表示該尺度所具有的特性表示該尺度所具有的特性1nieiXM中位數(shù)中位數(shù) 2215 1322N 位置中位數(shù)中位數(shù) 8 + 928.5方法2：較準(zhǔn)確算法方法1：定義算法方法3：解：解：QL位置= (300)/4 =75 QU位置 =(3300)/4 =225 從累計(jì)頻數(shù)看， QL在“不滿意”這一組別中； QU在“一般”這一組別中 四分位數(shù)為 QL = 不滿意不滿意 QU = 一般一般設(shè)一組數(shù)據(jù)為：x1 ，x2 ， ，xn (總體數(shù)據(jù)xN) 樣本平均樣本平均數(shù)數(shù)總體平均總體平均數(shù)數(shù)設(shè)各組的組中值為：M1 ，M2 ， ，Mk 相應(yīng)的頻數(shù)為： f1 ， f2 ， ，fk樣本樣本加權(quán)平均總體總體加權(quán)平

2、均各變量值與平均數(shù)的離差平方和最小21()minniixx1()0niixx5. 可看作是平均數(shù)的一種變形1immriifffvff 解：解： 在所調(diào)查的50人當(dāng)中，購(gòu)買其他品牌飲料的人數(shù)占70%，異眾比率比較大。因此，用“可口可樂”代表消費(fèi)者購(gòu)買飲料品牌的狀況，其代表性不是很好解：解：設(shè)非常不滿意為1,不滿意為2, 一般為3, 滿意為 4, 非常滿意為5 。 已知 QL = 不滿意 = 2 QU = 一般 = 3四分位差為 Qd = QU - QL = 3 2 = 1未分組數(shù)據(jù)未分組數(shù)據(jù)組距分組數(shù)據(jù)組距分組數(shù)據(jù)fxxxxMd=2040/120=17組距分組數(shù)據(jù)未分組數(shù)據(jù)組距分組數(shù)據(jù)方差的計(jì)算

3、公式方差的計(jì)算公式標(biāo)準(zhǔn)差的計(jì)算公式標(biāo)準(zhǔn)差的計(jì)算公式組距分組數(shù)據(jù)未分組數(shù)據(jù)組距分組數(shù)據(jù)方差的計(jì)算公式方差的計(jì)算公式標(biāo)準(zhǔn)差的計(jì)算公式標(biāo)準(zhǔn)差的計(jì)算公式2)(xMiiifxM2)(人數(shù)（人）人數(shù)（人）5191610211204080120 商品廣告 服務(wù)廣告 金融廣告 房地產(chǎn)廣告 招生招聘廣告 其他廣告廣廣告告類類型型 某城市居民關(guān)注不同類型廣告的人數(shù)分布某城市居民關(guān)注不同類型廣告的人數(shù)分布15119690481216頻數(shù)電腦銷售量的對(duì)比條形圖電腦銷售量的對(duì)比條形圖2562852475634683973286880100200300400500600700800聯(lián)想IBM康柏戴爾電腦品牌銷售量一季度二

4、季度 分類變量在不同時(shí)間或不同空間上有多個(gè)取值 對(duì)比分類變量的取值在不同時(shí)間或不同空間上的差異或變化趨勢(shì)不同品牌飲料的帕雷托圖不同品牌飲料的帕雷托圖11996150481216可口可樂旭日升冰茶百事可樂露露匯源果汁品牌頻數(shù)按各類別數(shù)據(jù)出現(xiàn)的頻數(shù)多少排序后繪制的柱形圖 其他廣告1.0% 房地產(chǎn)廣告8.0% 商品廣告56.0% 金融廣告4.5% 服務(wù)廣告25.5% 招生招聘廣告5.8% 某城市居民關(guān)注不同類型廣告的人數(shù)構(gòu)成某城市居民關(guān)注不同類型廣告的人數(shù)構(gòu)成243001322252700100200300400 非常不滿意 不滿意 一般 滿意 非常滿意累積戶數(shù)（戶）(a)向上累積向上累積27616

5、830300750100200300400 非常不滿意 不滿意 一般 滿意 非常滿意累積戶數(shù)（戶）(b)向下累積向下累積8%36%31%15%7%33%26%21%13%10% 非常不滿意 不滿意 一般 滿意 非常滿意 甲乙兩城市家庭對(duì)住房狀況的評(píng)價(jià)甲乙兩城市家庭對(duì)住房狀況的評(píng)價(jià)lg( )1lg(2)nK 直方圖下的面積之和等于1折線圖下的面積與直方圖的面積相等！例：已知19911998年我國(guó)城鄉(xiāng)居民家庭的人均收入數(shù)據(jù)如右表020004000600019911992199319941995199619971998城鎮(zhèn)居民農(nóng)村居民收收入入 （元）（元） 城鄉(xiāng)居民家庭人均收入城鄉(xiāng)居民家庭人均收入0

6、500100015002000 食品食品 衣著衣著 家庭設(shè)備用家庭設(shè)備用 品及服務(wù)品及服務(wù) 醫(yī)療保健醫(yī)療保健 交通通訊交通通訊 娛樂教育娛樂教育 文化服務(wù)文化服務(wù) 居住居住 雜項(xiàng)商品雜項(xiàng)商品 與服務(wù)與服務(wù)城鎮(zhèn)居民農(nóng)村居民1997年城鎮(zhèn)居民家庭消費(fèi)支出年城鎮(zhèn)居民家庭消費(fèi)支出 （元）（元）數(shù)據(jù)類型與顯示數(shù)據(jù)類型與顯示數(shù)值型數(shù)據(jù)數(shù)值型數(shù)據(jù)品質(zhì)數(shù)據(jù)品質(zhì)數(shù)據(jù)分組數(shù)據(jù)分組數(shù)據(jù)總計(jì)表總計(jì)表莖莖葉葉圖圖條條形形圖圖圓圓形形圖圖環(huán)環(huán)形形圖圖直直方方圖圖箱箱線線圖圖折折線線圖圖原始數(shù)據(jù)原始數(shù)據(jù)時(shí)序數(shù)據(jù)時(shí)序數(shù)據(jù)線線圖圖雷雷達(dá)達(dá)圖圖多元數(shù)據(jù)多元數(shù)據(jù)u 數(shù)據(jù)可視化是關(guān)于數(shù)據(jù)之視覺表現(xiàn)形式的研究。u 數(shù)據(jù)可視化是當(dāng)前的一

7、個(gè)熱點(diǎn)問題，特別在交互設(shè)計(jì)領(lǐng)域，如何把數(shù)據(jù)特別是大規(guī)模的數(shù)據(jù)進(jìn)行可視化就成為了一個(gè)非常熱門的問題 。u可視化可視化（Visualization）：利用計(jì)算機(jī)圖形學(xué)和圖像處理技術(shù)，將數(shù)據(jù)轉(zhuǎn)換成圖形或圖像在屏幕上顯示出來，并進(jìn)行交互處理的理論、方法和技術(shù)。u 它涉及到計(jì)算機(jī)圖形學(xué)、圖像處理、計(jì)算機(jī)視覺、計(jì)算機(jī)輔助設(shè)計(jì)等多個(gè)領(lǐng)域，成為研究數(shù)據(jù)表示、數(shù)據(jù)處理、決策分析等一系列問題的綜合技術(shù) 。u 數(shù)據(jù)可視化主要旨在借助于圖形化手段，清晰有效地傳達(dá)與溝通信息 。u 當(dāng)前，在研究、教學(xué)和開發(fā)領(lǐng)域，數(shù)據(jù)可視化乃是一個(gè)極為活躍而又關(guān)鍵的方面 。u 通過數(shù)據(jù)可視化技術(shù)，可以發(fā)現(xiàn)大量金融、通信和商業(yè)數(shù)據(jù)中隱含的規(guī)

8、律，從而為決策提供依據(jù)。 數(shù)據(jù)可視化為我們提供了一條清晰有效地傳達(dá)與溝通信息的渠道：u （1）交互性。用戶可以方便地以交互的方式管理和開發(fā)數(shù)據(jù) ；u（2）多維性。可以看到表示對(duì)象或事件的數(shù)據(jù)的多個(gè)屬性或變量，而數(shù)據(jù)可以按其每一維的值，將其分類、排序、組合和顯示 ；u（3）可視性。數(shù)據(jù)可以用圖象、曲線、二維圖形、三維體和動(dòng)畫來顯示，并可對(duì)其模式和相互關(guān)系進(jìn)行可視化分析 。（1）醫(yī)學(xué)：長(zhǎng)期以來人類就有認(rèn)識(shí)自身內(nèi)部結(jié)構(gòu)的愿望。直到70年代計(jì)算機(jī)斷層掃描（CT）和核磁共振圖像（MRI）技術(shù)和可視化技術(shù)的出現(xiàn),才使獲取人體內(nèi)部數(shù)據(jù)的愿望成為現(xiàn)實(shí)。 可視化人體計(jì)劃 （VHP）數(shù)據(jù)集的出現(xiàn)，標(biāo)志計(jì)算機(jī)三維重

9、構(gòu)圖像和虛擬現(xiàn)實(shí)技術(shù)進(jìn)入了醫(yī)學(xué)領(lǐng)域，從而大大促進(jìn)了醫(yī)學(xué)的發(fā)展和普及。人類大腦的三維圖像人類大腦的三維圖像（2）油氣勘探：目前石油工業(yè)面臨的一個(gè)嚴(yán)峻問題是：如何尋找規(guī)模小而埋藏深的油氣田。油氣勘探的主要方式，是通過天然地震波或人工爆炸產(chǎn)生的聲波在地質(zhì)構(gòu)造中的傳播，來重構(gòu)大范圍內(nèi)的地質(zhì)構(gòu)造，并通過測(cè)井?dāng)?shù)據(jù)了解局部區(qū)域的地層結(jié)構(gòu)，探明油藏氣藏位置及其分布，估計(jì)蘊(yùn)藏量及其勘探價(jià)值。由于地震數(shù)據(jù)及測(cè)井?dāng)?shù)據(jù)的數(shù)據(jù)量極其龐大，而且分布不均勻，因而無法根據(jù)紙面上的數(shù)據(jù)作出分析。利用可視化技術(shù)可以從大量的地質(zhì)勘探數(shù)據(jù)或測(cè)井?dāng)?shù)據(jù)中，構(gòu)造出感興趣的等值面、等值線，并顯示其范圍及走向，并用不同顏色顯示出多種參數(shù)及其

10、相互關(guān)系，從而使專業(yè)人員能對(duì)原始數(shù)據(jù)作出正確解釋，得到礦藏是否存在、礦藏位置及儲(chǔ)量大小等重要信息 。油藏三維圖油藏三維圖（3）氣象預(yù)報(bào)：氣象預(yù)報(bào)的準(zhǔn)確性依賴于對(duì)大量數(shù)據(jù)的計(jì)算和對(duì)計(jì)算結(jié)果的分析。 一方面，科學(xué)計(jì)算可視化可將大量的數(shù)據(jù)轉(zhuǎn)換為圖像，在屏幕上顯示出某一時(shí)刻的等壓面、等溫面、旋渦、云層的位置及運(yùn)動(dòng)、暴雨區(qū)的位置及其強(qiáng)度、風(fēng)力的大小及方向等，使預(yù)報(bào)人員能對(duì)未來的天氣作出準(zhǔn)確的分析和預(yù)測(cè)。 另一方面,根據(jù)全球的氣象監(jiān)測(cè)數(shù)據(jù)和計(jì)算結(jié)果，可將不同時(shí)期全球的氣溫分布、氣壓分布、雨量分布及風(fēng)力風(fēng)向等以圖像形式表示出來，從而對(duì)全球的氣象情況及其變化趨勢(shì)進(jìn)行研究和預(yù)測(cè)。 天氣預(yù)報(bào)圖，包括云狀，液態(tài)水和風(fēng)天氣預(yù)報(bào)圖，包括云狀，液態(tài)水和風(fēng)（4）工程： 計(jì)算機(jī)輔助工程（CAE）包括計(jì)算機(jī)輔助設(shè)計(jì)（CAD）、計(jì)算機(jī)輔助制造（CAM）和計(jì)算機(jī)輔助運(yùn)行等多項(xiàng)內(nèi)容。 可視化技術(shù)有助于整個(gè)工程過程一體化