《数据挖掘导论》知识点整理

数据挖掘上课没怎么好好听，反而现在想自己多学一点了。最近发现Kaggle竞赛很有意思，但是自己基础太差了，所以定计划，每天看书30页左右，把自己感觉之前不知道的东西记录在这里。

第3章 探索数据

• 众数（mode）：具有最高频率的值。
• 百分位数（percentile）：第p个百分位数x_p是一个x值，使得x的p%的观测值小于x_p
• 截断均值（trimmed mean）：丢弃高端和低端(p/2)%的数据，再计算均值。
• 极差（range）：
  =max(x)-min(x))
• 方差（variance）：
  =s_x^{2=\frac{1}{m-1}\sum_{i=1}}{m}(x_i-\bar{x})^2)
• 协方差矩阵（covariance matrix）：两个属性的协方差是两个属性一起变化并依赖于变量大小的度量。
   = \frac{1}{m-1}\sum_{k-1}^{m}(x_{ki}-\overline{x_i})(x_{kj}-\overline{x_j}))
• 相关矩阵（correlation matrix）：
   = \frac{covariance(x_i,x_j)}{s_is_j})