主要知识点：
数据集、数据对象和数据属性的关系
数据集一般看作数据对象和它们属性的集合。
数据对象有时也被称作记录，点，样本，实例等。例如在销售数据库中，数据对象可以是顾客或者商品。它是用一组刻画对象特性的属性来描述的，比如对顾客的刻画有性别、年龄、购买记录等属性。
属性的概念就为对象的性质或特性。 它因对象而异，有时也被称作特征、维和变量等。例如性别、年龄、购买记录等。
2.属性与属性值的关系
同一个属性可以映射到不同的属性值。例如以属性年龄为例，属性值可以表示为具体的年岁如20岁等，也可以用高，中，低等表示。
不同的属性可以由同样的属性值表示。 例如收入和年龄属性都可以用高，中，低表示。
3.数据集的类型
记录数据。其假定数据集是记录（数据对象）的汇集，每个记录包含固定的属性集，PPT里的P2P借贷数据集就是一个典型的记录数据。另一种较为常见的记录数据形式为数据矩阵，如果一个数据集中的所有数据对象都具有相同的数值属性集，则数据对象可以看作多维空间中的点（向量），其中每个维代表对象的一个不同属性。记录数据常见的形式还有事务数据，它是一种特殊类型的记录数据，其中每个记录（事务）涉及一系列的项。如一段时间内不同客户所购买的商品集合，每一条事务代表一个客户的购买记录（PPT表3）。
基于图的数据。第一种是图形能够捕获数据对象之间的联系。如PPT图1所示，不同字母代表不同的数据对象，字母之间的连线表示数据对象间存在关系。另外一种基于图的数据由具有图对象的数据表示，即数据对象本身就是一个图形，如股票走势的K线图（PPT图2），可以表示股票在一段时间内的走势，因此进行图形挖掘是数据挖掘的一个分支。
有序数据。其在属性上表现为有序的关系，常见的一种有序数据为时间序列数据，它的每条记录都是一个时间序列，即一段时间以来的测量序列，如股票指数的时序数据（PPT图3）。另外，有序数据还有一种常见的形式为序列数据，如词或字母的序列，它和时间序列数据的区别在于没有时间戳，如一段关于基因的序列表示就是较为典型的有序数据（PPT图4）。
4.数据属性的类型
标称属性。标称意味着和名称相关，标称属性的值只是一些不同的名字，因此标称属性提供的信息只能区分对象。例如婚姻状况的属性值，已婚，离异和单身表示三个不同的状态，并无其他多余的意义。标称属性里有一种特殊的情况，叫做二元属性（binary attribute），又称布尔属性，它只有两种状态（值），0和1，或者真假等，例如性别属性男和女，就是一个二元属性。另外，还需注意的一点是二元属性有对称和非对称之分，如果二元属性的两种状态具有同等价值并携带同等权重，就为对称的二元属性，如性别属性，如果二元属性的两种状态不具有同等价值和同等权重，就为非对称的二元属性，如信用卡欺诈问题，欺诈通常是少见的。同时，标称属性是一种定性属性。
序数属性。其可能的值之间具有有意义的序或者秩，但是这些相继值之间的差是未知的，因此，和标称属性相比，序数属性多了一个功能，它能够提供足够的信息确定对象的序。例如，对身高的评价，高，中和低，从这些值中可以区分哪个对象更高，但是高多少仍是未知的。另外，序数属性虽然能提供序的信息，但仍是一种描述，也是一种定性属性。
区间属性。其用相等的单位尺度度量，区间属性的值是有序的，可以为正、负和0，因此，除了可提供序的信息外，区间属性还能比较和定量值之间的差。值得注意的一点是，区间属性没有真正的零点。例如日历日期是没有真正的零点的，是区间属性。区间属性和序数属性相比，能够提供更多信息，即值之间的差是有意义的，因此，区间属性是一种定量属性。
比率属性。其和区间属性的区别在于它具有真正的零点，因此值的比率是有意义的。例如工资属性，可以说A对象的工资是B对象工资的3倍。和区间属性一样，比率属性也是定量属性。
