一、概述

1. 對應成功的資料預處理而言，把握資料的全貌至關重要。
2. 基本統計描述可以用來識別資料的性質，凸顯哪些資料值應該視為噪聲或離群點。

二、中心趨勢度量：均值、中位數、眾數、中列數

• 也就是度量資料分佈的中部或中心位置。（給定一種屬性，它的值大部分落在何處）

　1）均值（mean）

• 資料集“中心”的最常用、最有效的數值度量是均值。
• 均值對應於關係資料庫系統提供的內建聚集函式 average（SQL 的 avg() ）。

• 加權平均值或加權平均

1. 加權（ω）：即權重，反應它們所依附的對應值的意義、重要性或出現的頻率。
2. 計算：x_mean
   = ( ω₁x₁ + ω₂x₂ + ... +ω_Nx_N ) / ( ω₁ + ω₂ + ... + ω_N )

• 缺點
• 對極端值（例如：離群點）很敏感。（例如，公司的平均薪水會被少數幾個高收入的經理顯著推高）

• 方法
• 使用截尾均值：丟棄高低極端值後的均值。

　2）中位數（median）

• 定義：有序資料值的中間值。

• 計算：N 個數值，若 N 是奇數，第 (N + 1) / 2 個數據為中位數，若 N 是偶數，則中位數不唯一，它是最中間的兩個值和它們之間的任意值（在數值屬性的情況下，中位數取最中間連個值的平均值）。

• 特點

1. 主要度量傾斜（非對稱）資料。
2. 把資料較高的一半與較低的一半分開的值。