数据可视化复习 第三章

1.数据集的表达形式分几类？

三类：数据记录集、图数据集、有序数据集
数据记录集：由一组包含固定属性值的数据元素构成。
有序数据集：具有某种顺序的数据集。
图是一种非结构化的数据结构，由一组节点和一-组连接两个节点之间的加权边组成。

2.数据相似度定义及常用方法

相似度是衡量多个数据对象之间相似的数值，通常位于0和1之间。
常用方法：
欧几里得距离、明科夫斯基距离、余弦距离、Jaccard距离

3.数据获取协议定义

数据获取协议作为一种通用的数据获取标准，该协议通过定义基于网络的数据获取句法，以完善数据交换机制，维护、发展和提升数据获取频率。理论上，数据获取协议是一个中立的、不受限于任何规则的协议，它提供跨越规则的句法的互操作性，允许规则内的语义互操作性。

4.在原始数据中，常见的数据质量问题包括哪些？

噪声和离群值、数值缺失、数值重复等。
噪声指对真实数据的修改，离群值指与大多数数据偏离较大的数据。
数值重复主要来源是异构数据源的合并。

5.为什么要进行数据精简？

为了能够在有限的显示空间内表达比显示空间尺寸大得多的数据