当前课程知识点:数据挖掘 >  第2章 数据 >  2.2 数据的基本统计描述 >  2.2.3 数据的图形显示

返回《数据挖掘》慕课在线视频课程列表

2.2.3 数据的图形显示在线视频

下一节:2.2 数据的基本统计描述

返回《数据挖掘》慕课在线视频列表

2.2.3 数据的图形显示课程教案、知识点、字幕

箱图又称箱线图

是一种用来描述数据分布的统计图形

可以表现观测数据的中位数

四分位数和极值等描述性统计量

从视觉的角度观测变量值的分布情况

如图所示

主要包含六个数据节点

分别是一组数据的上边缘

即最大值

上四分位数Q3

中位数

下四分位数即Q1

下边缘即最小值

以及异常值

箱图用盒子表示数据

盒子的端点在四分位数上

使得箱长度为四分位数极差IQR

中位数用盒内线标记

盒子外线延伸到最小和最大的观测值

离群点就是绘制在

离群阈值范围外的点

箱图分布直观地表示了最小值

Q1 中位数 Q3 最大值

是对五个数的概括

离群点位于第三个四分位数之上

或者第一个四分位数之下

至少1.5倍的IQR的值

饼图又称圆形图或饼形图

通常用来表示整体的构成部分

及各部分之间的比例关系

饼图显示一个数据系列中各项的

大小与各项总和的比例关系

例如 不同年龄区间的人

参与某活动的情况如表所示

对应的覆盖人群的构成饼图如图所示

频率直方图又称频率分布直方图

是在统计学中表示频率分布的图形

在直角坐标系中

用横轴表示随机变量的取值

横轴上的每个小区间

对应一个组的组距

作为小矩形的底边

纵轴表示频数

每个矩形的高代表对应的频数

以这种小矩形构成的一组图称为

频率直方图

例如

已知某班级学生数学成绩表

其对应的学生数学成绩的频率直方图

如图所示

散点图是相关分析过程中常用的

一种直观的分析方法

将样本数据点绘制在二维平面

或三维空间上

然后根据数据点的分布特征

直观地研究变量之间的统计关系

以及强弱程度

散点图能直观反映两个相关变量之间的

大致变化趋势

例如

此表为物流收货天数和客户满意度

相关数据调查表

此图为使用散点图表示的

物流收货天数和客户满意度的

相关程度

就两个变量而言

如果变量之间的关系

近似地表现为一条直线

则称为线性相关

如图(a)所示

如果变量之间的关系

近似地表现为一条曲线

则称为非线性相关或曲线相关

如图(b)所示

如果两个变量的观测点很分散

无任何规律

则表示变量之间没有相关关系

如图(c)所示

正相关是指两个变量变动方向相同

一个变量由大到小

或由小到大变化时

另一个变量亦由大到小

或由小到大变化

也就是说

在正相关的情况下

一个变量随着另一个变量的变化

而发生相同方向的变化

即两个变量同时变大或变小

正相关表现为

向右上方倾斜的趋势

也可以是非线性的

负相关是指两个变量变动方向相反

一个变量由大到小

或由小到大变化时

另一个变量反而有小到大

或由大到小变化

即其数据曲线的切线斜率

始终小于零

也就是说

在负相关的情况下

一个变量随着另一个变量的变化

而发生相反方向的变化

总结以上介绍的基本统计图

盒图用来描述最大值 最小值

下四位数 中位数 上四位数的

五数概括

直方图的x轴表示数值大小

y轴表示频率

饼图显示一个数据系列中各项的大小

与各项总和的比例关系

散点图将每个值视作一个坐标对

作为一个点画在平面上

以表示属性之间的相关关系

数据挖掘课程列表:

第1章 概述

-1.1 数据分析与数据挖掘

--1.1 数据分析与数据挖掘

--1.1 数据分析与数据挖掘

-1.2 分析与挖掘的数据类型

--1.2 分析与挖掘的数据类型

-- 1.2 分析与挖掘的数据类型

-1.3 数据分析与数据挖掘的方法

--1.3 数据分析与数据挖掘的方法

-- 1.3 数据分析与数据挖掘的方法

-1.4 数据分析与数据挖掘使用的技术

--1.4 数据分析与数据挖掘使用的技术

--1.4 数据分析与数据挖掘使用的技术

-1.5 应用场景及存在的问题

--1.5 应用场景及存在的问题

-- 1.5 应用场景及存在的问题

-第1章 作业1

-第1章 作业2

-关于数据分析和数据挖掘的讨论

-关于数据分析与数据挖掘的讨论(研究生班级)

第2章 数据

-2.1 数据的属性

--2.1 数据的属性

-- 2.1 数据的属性

-2.2 数据的基本统计描述

--2.2.1 中心趋势度量

--2.2.2 数据分散度量

--2.2.3 数据的图形显示

--2.2 数据的基本统计描述

-2.3 数据的相似性和相异性

--2.3 数据的相似性和相异性

-- 2.3 数据的相似性和相异性

-第2章 作业1

-第2章 作业2

-关于属性类型的讨论

-关于数据属性的讨论(研究生班级)

第3章 数据预处理

-3.1 数据存在的问题

--3.1 数据存在的问题

--数据存在的问题

-3.2 数据清理

--3.2 数据清理

--数据清理

-3.3 数据集成

--3.3 数据集成

--数据集成

-3.4 数据归约

--3.4 数据规约

--数据归约

-3.5 数据变换与数据离散化

--3.5 数据变换与数据离散化

--数据变换与数据离散化

-第3章 作业1

-第3章 作业2

-关于建立数据集的讨论(研究生班级)

-关于数据预处理的讨论(研究生班级)

-关于建立数据集的讨论(本科生班级)

-关于数据预处理的讨论(本科生班级)

第4章 数据仓库和OLAP

-4.1 数据仓库基本概念

--4.1 数据仓库基本概念

--数据仓库基本概念

-4.2 数据仓库设计

--4.2 数据仓库设计

--数据仓库设计

-4.3 数据仓库实现

--4.3 数据仓库实现

--数据仓库实现

-4.4 联机分析处理

--4.4 联机分析处理

--联机分析处理

-4.5 元数据模型

--4.5 元数据模型

--元数据模型

-第4章 作业1

-第4章 作业2

-关于数据仓库和数据预处理的讨论(本科生班级)

-关于数据仓库价值的讨论(本科生班级)

-关于数据库与数据仓库的讨论(研究生班级)

第5章 回归分析

-5.1 回归分析的基本概念

--5.1 回归分析的基本概念

--回归分析的基本概念

-5.2 一元线性回归

--5.2 一元线性回归

--一元线性回归

-5.3 多元线性回归

--5.3 多元线性回归

--多元线性回归

-5.4 多项式回归

--5.4 多项式回归

--多项式回归

-第5章 作业1

-第5章 作业2

-关于回归预测法的讨论(本科生班级)

-关于回归分析的讨论(研究生班级)

-回归分析的优缺点(研究生班级)

第6章 频繁模式

-6.1 概述

--6.1 频繁模式概述

--频繁模式概述

-6.2 Apriori算法

--6.2 Apriori算法

--Apriori算法

-6.3 FP-growth算法

--6.3 FP-growth算法

--FP-growth算法

-6.4 压缩频繁项集

--6.4 压缩频繁项集

--压缩频繁项集

-6.5 关联模式评估

--6.5 关联模式评估

--关联模式评估

-第6章 作业1

-第6章 作业2

-关于Apriori算法的讨论(本科生班级)

-关于Apriori算法的讨论(研究生班级)

第7章 分类

-7.1 分类概述

--7.1 分类概述

--分类概述

-7.2 决策树

--7.2 决策树(上)

--7.2 决策树(中)

--7.2 决策树(下)

--决策树

-7.3 朴素贝叶斯分类

--7.3 朴素贝叶斯分类

--朴素贝叶斯分类

-7.4 惰性学习法

--7.4 惰性学习法

--7.4 惰性学习法

-7.5 神经网络

--7.5 神经网络(上)

--7.5 神经网络(下)

--神经网络

-7.6 分类模型的评估

--7.6 分类模型的评估(上)

--7.6 分类模型的评估(下)

--分类模型的评估

-第7章 第一部分作业2(研究生班级)

-第7章 第二部分作业2

-第7章 第二部分作业1

-关于分类算法的讨论(本科生班级)

-关于分类算法的讨论(研究生班级)

-关于神经网络的讨论(研究生班级)

第8章 聚类

-8.1 聚类概述

--8.1 聚类概述

--聚类概述

-8.2 基于划分的聚类

--8.2 基于划分的聚类(一)

--8.2 基于划分的聚类(二)

--基于划分的聚类

-8.3 基于层次的聚类

--8.3 基于层次的聚类

--基于层次的聚类

-8.4 基于密度的聚类

--8.4 基于密度的聚类

--基于密度的聚类

-8.5 基于网格的聚类

--8.5 基于网格的聚类

--基于网格的聚类

-第8章 作业1

-第8章 作业2

-关于基于划分和基于层次的聚类的讨论(本科生班级)

-关于聚类的讨论(本科生班级)

-关于聚类算法的讨论(研究生班级)

-关于聚类与数据挖掘的讨论(研究生班级)

第9章 离群点检测

-9.1 离群点定义与类型

--9.1 离群点定义与类型

--9.1 离群点定义与类型

-9.2 离群点检测

--9.2 离群点检测(一)

--9.2 离群点检测(二)

--离群点检测

-第9章 作业1

-第9章 作业2

-关于离群点检测的讨论(研究生班级)

2.2.3 数据的图形显示笔记与讨论

也许你还感兴趣的课程:

© 柠檬大学-慕课导航 课程版权归原始院校所有,
本网站仅通过互联网进行慕课课程索引,不提供在线课程学习和视频,请同学们点击报名到课程提供网站进行学习。