数据挖掘第二章——认识数据.ppt

原始数据的显示—茎叶图树茎树叶7880223477788890012222333344466777889013344579910111213数据个数3132410某车间工人日加工零件数的茎叶图原始数据的显示—箱线图用于显示未分组的原始数据或分组数据的分布箱线图由一组数据的5个特征值绘制而成，它由一个箱子和两条线段组成其绘制方法是：首先找出一组数据的5个特征值，即最大值、最小值、中位数Me和两个四分位数(下四分位数QL和上四分位数QU）连接两个四分（位）数画出箱子，再将两个极值点与箱子相连接原始数据的显示—箱线图中位数4681012QUQLX最大值X最小值简单箱线图原始数据的显示—箱线图最小值107最大值139中位数123下四分位数117.75上四分位数12810511011512012513013514050名工人日加工零件数的箱线图原始数据的显示—箱线图对称分布QL中位数QU左偏分布QL中位数QU右偏分布QL中位数QU不同分布的箱线图时间序列数据的显示—线图线图是在在平面坐标上用折线表现数据变化特征的图形时间一般绘在横轴，指标数据绘在纵轴1991～1998年城乡居民家庭人均收入年份城镇居民农村居民199119921993199419951996199719981700.62026.62577.43496.24283.04838.95160.35425.1708.6784.0921.61221.01577.71926.12091.12162.0例：已知1991～1998年我国城乡居民家庭的人均收入数据如右表时间序列数据的显示—线图020004000600019911992199319941995199619971998城镇居民农村居民收入（元）城乡居民家庭人均收入多变量数据的显示—雷达图雷达图（RadarChart）是显示多个变量的常用图示方法在显示或对比各变量的数值总和时十分有用假定各变量的取值具有相同的正负号，总的绝对值与图形所围成的区域成正比可用于研究多个样本之间的相似程度多变量数据的显示—雷达图设有n组样本S1，S2，…Sn，每个样本测得P个变量X1，X2，…Xp，要绘制这P个变量的雷达图，其具体做法是先做一个圆，然后将圆P等分，得到P个点，令这P个点分别对应P个变量，在将这P个点与圆心连线，得到P个幅射状的半径，这P个半径分别作为P个变量的坐标轴，每个变量值的大小由半径上的点到圆心的距离表示再将同一样本的值在P个坐标上的点连线。这样，n个样本形成的n个多边形就是一个雷达图多变量数据的显示—雷达图例：1997年我国城乡居民家庭平均每人各项生活消费支出数据如右表。1997年城乡居民家庭平均每人生活消费支出项目城镇居民农村居民食品衣着家庭设备用品及服务医疗保健交通通讯娱乐教育文化服务居住杂项商品与服务1942.59520.91316.89179.68232.90448.38358.64185.65890.28109.4185.4162.4553.92148.18233.2334.27合计4185.641617.15多变量数据的显示—雷达图0500100015002000食品衣着家庭设备用品及服务医疗保健交通通讯娱乐教育文化服务居住杂项商品与服务城镇居民农村居民1997年城镇居民家庭消费支出（元）数据类型的图显示总结数据类型与显示数值型数据类别数据分组数据总计表茎叶图条形图圆形图环形图直方图箱线图折线图原始数据时序数据线图雷达图多元数据*************离散系数的例子结论：计算结果表明，v1v2，说明产品销售额的离散程度小于销售利润的离散程度v1=536.25309.19=0.577v2=32.521523.09=0.710数据类型与离散程度测度值数据类型和所适用的离散程度测度值数据类型定类数据