（一）机器学习 - 入门

数据集

数据集是一组数据的集合，这些数据可以是数值型、文本型、图形型等多种形式。数据集通常用于统计分析、机器学习、科学研究、商业智能等领域，以发现数据中的模式、趋势和关联性。

数据集的组成：

• 变量（Variables）：数据集中的每个数据项称为变量，它们可以是数值、文本或日期等类型。
• 观测值（Observations）：数据集中的每一行或记录称为观测值，代表一个独立的数据点。
• 特征（Features）：在机器学习中，数据集中的每个变量或属性称为特征。
• 实例（Instances）：在某些情况下，观测值也被称为实例。

一个数组的例子：

[99,86,87,88,111,86,103,87,94,78,77,85,86]

一个数据库的例子：

Carname	Color	Age	Speed	AutoPass
BMW	red	5	99	Y
Volvo	black	7	86	Y
VW	gray	8	87	N
VW	white	7	88	Y
Ford	white	2	111	Y
VW	white	17	86	Y
Tesla	red	2	103	Y
BMW	black	9	87	Y

数据类型

主要三种类别：

• 数值（Numerical）
• 分类（Categorical）
• 序数（Ordinal）

数值数据是数字，可以分为两种数值类别：

离散数据（Discrete Data）

- 限制为整数的数字。例如：经过的汽车数量。

连续数据（Continuous Data）

- 具有无限值的数字。例如：一件商品的价格或一件商品的大小。

分类数据是无法相互度量的值。例如：颜色值或任何 yes/no 值。

序数数据类似于分类数据，但可以相互度量。示例：A 优于 B 的学校成绩，依此类推。

通过了解数据源的数据类型，您就能够知道在分析数据时使用何种技术。

END.