要進行資料探勘，首先我們要知道什麼是資料、資料集，有哪些資料型別

資料集：

　　在資料庫中，我們儲存的一個資料庫表（table）就是一個資料集，資料表的每一行就是一個資料物件（就是一條資訊），資料表的列就是資料的屬性（用來解釋每一個數據代表什麼含義）

資料（屬性）型別：

標稱：

　　標稱型別的資料與該資料的名稱（就是上文中的資料屬性）有關，它的值是一些符號或是事物的名稱。資料值代表某種類別、編碼或狀態，因此標稱屬性又被看作是分類的，這些資料值不具有有意義的序，在電腦科學中，這些值也被看做是列舉的。在標稱屬性上，資料運算是沒有意義的。

　　e.g：頭髮顏色 = {黑色，棕色，金色，紅色，灰色，白色}；婚姻狀況 = {已婚、未婚、離婚}；職業；身份證號；郵政編碼

二進位制：

　　二進位制型別的資料也是一種標稱資料，只不過它只有0和1兩個值。

　　e.g：性別 = {0(表示男)，1(表示女)}，新型冠狀病毒肺炎測試 = {0(陰性), 1(陽性)}

序數：

　　序數型別的資料，其可能只具有有意義的序或評定(ranking)，但是相繼值之間的差是未知的，具有先後順序。（價值觀上有一個有意義的順序（排名），但不知道連續值之間的大小）序數型別的資料可以通過把數值量的值域劃分成有限個有序類別，把數值屬性離散化而得到。序數屬性的中心趨勢可以用它的眾數和中位數(有序序列的中間值)表示,但不能定義均值

　　e.g：大小 = {小，中，大}，等級，排名

區間標度：

　　區間標度屬性：用一單位長度順序性度量，值有序（比如溫度、日曆等），不存在0點，倍數沒有意義，比如我們平常通常不說2000年時1000年的2倍

　　e.g：年份等

比率標度：

　　具有固定零點的資料型別，可以進行數值運算

　　e.g：長度、重量等

小結：

PS：離散屬性 VS 連續屬性

離散屬性：有限或無限可數個值，常表示為整數變數，二元屬性時離散屬性的特例

　　　　　e.g：郵政編碼，計數

連續屬性：屬性值為實數。實踐中，實數只能用有限位數字的數度量和表示，兩虛屬性一般用浮點變量表示

　　　　　e.g：溫度、高度、重量