第一章数据科学与数据挖掘 1数据科学 2数据挖掘
第一章 数据科学与数据挖掘 1 数据科学 2 数据挖掘
1数据科学 1.0概述 (1)信息化的本质:将现实世界中的事物以数据的形式存储到 计算机主机中,即信息化是一个生产数据的过程。 (2)数据爆炸( data explosion):数据被快速大量地生产并存储 在计算机系统中。 (3)数据自然界( data nature):数据爆炸在计算机系统中形成 数据自然界( data nature)。 注:研究数据自然界是研究自然界( real nature)的一种有效 方法 (4)数据学( dataology)或数据科学( data science):研究数据 自然界规律的理论、方法和技术
1 数据科学 1.0 概述 (1)信息化的本质:将现实世界中的事物以数据的形式存储到 计算机主机中，即信息化是一个生产数据的过程。 (2)数据爆炸(data explosion):数据被快速大量地生产并存储 在计算机系统中。 (3)数据自然界(data nature):数据爆炸在计算机系统中形成 数据自然界(data nature)。 注:研究数据自然界是研究自然界(real nature)的一种有效 方法。 (4)数据学(dataology)或数据科学(data science):研究数据 自然界规律的理论、方法和技术
1数据科学 1.1数据 能够输入到计算机中的任何内容。数据在物理上以字节 Bye)作为其天小的计量单位,一个字节为一个数据单位, 数据物理存在于计算机系统中。对于数据自然界,计算机 系统是它的载体,数据是它的唯一存在。 (1)数据原子( data atom):不可再分割的最小数据单位,即 计算机系统所使用的基本字符集。例:TXT数据 注:数据原子一般为单字节字符,也有双字节字符。 (2)数据对象( data objec):识别数据的基本单位,可命名, 具有独立含义。 注:(a)数据对象:由有限个数据项组成,有一个对象标识, 其他为对象容。(b)数据项( data item):数据原子的有限 集,用于描述数据对象的特性,可命名,可定义其数据类 型但没有独立含义(即脱离数据对象单独讨论数据项是没有 意义的)
1 数据科学 1.1 数据 能够输入到计算机中的任何内容。数据在物理上以字节 (Byte)作为其大小的计量单位，一个字节为一个数据单位， 数据物理存在于计算机系统中。对于数据自然界，计算机 系统是它的载体，数据是它的唯一存在。 (1)数据原子(data atomic)：不可再分割的最小数据单位，即 计算机系统所使用的基本字符集。 例：TXT数据 注：数据原子一般为单字节字符，也有双字节字符。 (2)数据对象(data object)：识别数据的基本单位，可命名， 具有独立含义。 注：(a)数据对象:由有限个数据项组成，有一个对象标识， 其他为对象内容。(b)数据项(data item):数据原子的有限 集，用于描述数据对象的特性，可命名，可定义其数据类 型但没有独立含义(即脱离数据对象单独讨论数据项是没有 意义的)
1数据科学 (3)数据集( data set):数据对象的集合。例:MDB数据库 注:(a)数据集是一个数据对象的有限集合(b)些无限的数 据集(如:流数据)的数据在住何时刻都是有限的:(0数 据学通常是处理有限数据集的。 (4)元数据( mata data):描述数据的数据。ASCI表结构 变量NAME、结构 EMPLOYEE(ID,NAME,RANK),数据 库 DATABASE{ tablel(a.a2,…),tabe2(bl, b2,…),} (5)数据工具( data tool):计算机系统中存储的能够运行的计 算机程序或软件系统。 例:杀毒软件、病毒程序 注:(a)数据工具是一种特殊的数据对象;(b)数据工具通常用 于处理数据但数据工具本身也是数据,可以被其他数据 工具处理
1 数据科学 (3)数据集(data set)：数据对象的集合。 例：MDB数据库 注：(a)数据集是一个数据对象的有限集合;(b)一些无限的数 据集(如：流数据)的数据在任何时刻都是有限的；(c)数 据学通常是处理有限数据集的。 (4)元数据(mata data)：描述数据的数据。 ASCII表结构、 变量NAME、结构EMPLOYEE (ID，NAME，RANK)，数据 库DATABASE {tablel (al. a2，…)， table2 (bl， b2，…)，….}。 (5)数据工具(data tool)：计算机系统中存储的能够运行的计 算机程序或软件系统。 例：杀毒软件、病毒程序 注：(a)数据工具是一种特殊的数据对象;(b)数据工具通常用 于处理数据但数据工具本身也是数据，可以被其他数据 工具处理
1数据科学 1.2数据自然界 (1)数据自然界:所有计算机系统中的数据构成了数据自然界。 注:计算机系统是数据的载体,不是数据自然界的组成部分。 (2)数据自然界特征:不为人控制;具有未知性、多样性和复杂 性等自然界特征 注:(a)从个体上看,数据是可控的;从总体上看,数据不为人 控制 (b)数据的含义未知,规律未知,现实世界没有的未知; (c)数据类型:私人、企业、政府、公共等数据库; (d)组织形式:专用格式、通用格式、互联网等数据形式
1 数据科学 1.2 数据自然界 (1)数据自然界：所有计算机系统中的数据构成了数据自然界。 注：计算机系统是数据的载体，不是数据自然界的组成部分。 (2)数据自然界特征:不为人控制；具有未知性、多样性和复杂 性等自然界特征。 注：(a)从个体上看，数据是可控的；从总体上看，数据不为人 控制; (b)数据的含义未知，规律未知，现实世界没有的未知; (c)数据类型：私人、企业、政府、公共等数据库； (d)组织形式：专用格式、通用格式、互联网等数据形式