[3학년][1학기][데이터마이닝][2w]

Data

• 데이터 객체 및 그 속성의 집합
• objects, records, data points
• attribute, feature, independent variable

속성 값 유형

이산 속성

• 유한하거나 가산 무한한 값들을 갖고 있음
• Nominal: 같다 다르다, Mode
• Ordinal: 크다 작다, Mode, Median

연속 속성

• 속성 값으로 실수를 갖고 있음
• Interval: 가감 가능, Mode, Median, Mean
• Ratio: 승제 가능, Mode, Median, Mean

입출력 변수

X

• input, exogenous variable

Y

• output variable, label

데이터 셋 유형

레코드 데이터

• 데이터 행렬
• 문서 데이터: 각 Document는 Term 벡터가 됨
• 거래 데이터: 각 Transaction

그래프 데이터

• World Wide Web
• 분자 구조

순서가 있는 데이터

• 순열 데이터
• 유전자 서열 데이터
• 공간 데이터
• 시계열 데이터

데이터 품질

Noise

• 원래 값의 변경을 의미

이상치

• 데이터 셋의 대부분의 다른 데이터 개체들과는 상당히 다른 데이터 개체를 의미

결측치

• 결측치 발생 원인
  • 정보 수집 안됨
  • 속성들이 모든 경우에 적용 가능하지 않을 수 있음
• 결측치 처리(Missing Value Imputation)
  • 데이터 개체 제거
  • 결측치 추정
  • 분석중 결측치 무시
  • 결측치 치환(확률 가중치 적용)

중복 데이터

• 데이터 셋은 중복된 데이터 또는 서로 거의 중복되는 데이터 개체 포함 가능
• ex) 여러 이메일 주소를 가진 동일한 사용자