数据挖掘基础：属性

属性

标称意味“与名称相关”。标称属性（nominal attribute）的值是一些符号或事物的名称。每个值代表某种类别、编码或状态，因此标称属性又被看做是分类的（categorical）。这些值不必具有有意义的序。在计算机科学中，这些值也被看做是枚举的（enumeration）。

因为标称属性值并不具有有意义的序，并且不是定量的，因此，给定一个对象集，找出这种属性的均值（平均值）或中位数（中值）没有意义。然而，一件有意义的事情是使该属性最常出现的值，这个值称为众数（mode），是一种中心趋势度量。

二元属性（binary attribute）是一种标称属性，只有两个类别或状态：0或1，其中0通常表示该属性不出现，而1表示出现。二元属性又称布尔属性，如果两种状态对应于true和false的话。

一个二元属性是对称的，如果它的两种状态具有同等价值并且携带相同的权重；即，关于哪个结果应该用0或1编码并无偏好。这样的例子如具有男和女这两种状态的属性gender（性别）。

一个二元属性是非对称的，如果其状态的结果不是同样重要的，如艾滋病病毒（HIV）化验的阳性和阴性结果。为方便计，我们将用1对最重要的结果（通常是稀有的）编码（例如，HIV阳性），而另一个用0编码

序数属性（ordinal attribute）是一种属性，其可能的值之间具有有意义的序或秩评定（ranking），但是相继值之间的差是未知的。

对于记录不能客观度量的主观质量评估，序数属性是有用的。因此，序数属性通常用于等级评定调查。在一项调查中，作为顾客，参与者被要求评定他们的满意程度。顾客的满意度有如下序数类别：0——很不满意，1——不太满意，2——中性，3——满意，4——很满意。

序数属性也可以通过把数值量的值域划分成有限个有序类别，把数值属性离散化而得到。

序数属性的中心趋势可以用它的众数和中位数（有序序列的中间值）表示，但不能定义均值。

标称、二元和序数属性都是定性的。即，它们描述对象的特征，而不给出实际大小或数量。这种定性属性的值通常是代表类别的词。如果使用整数，则它们代表类别的计算机编码，而不是可测量的量（例如，0表示小杯饮料，1表示中号杯，2表示大杯）。

数值属性（numeric attribute）是定量的，即它是可度量的量，用整数或实数值表示。数值属性可以是区间标度的或比率标度的。

区间标度（interval-scaled）属性用相等的单位尺度度量。区间属性的值有序，可以为正、0或负。因此，除了值的秩评定之外，这种属性允许我们比较和定量评估值之间的差。

比率标度（ratio-scaled）属性是具有固有零点的数值属性。也就是说，如果度量是比率标度的，则我们可以说一个值是另一个的倍数（或比率）。此外，这些值是有序的，因此我们可以计算值之间的差，也能计算均值、中位数和众数。