데이터의 객체와 속성 (Object and Attribute of Data)

데이터 세트_(Dataset)는 데이터 객체_{(Data Object)}로 구성되며, 데이터 객체는 엔티티_{(Entity, 생각하는 개념 또는 의미 있는 정보의 단위)}를 표현한다.

데이터 베이스에서 행은 데이터 객체에 해당하고, 열은 속성_(Attribute)을 의미한다.
속성은 데이터 객체의 특성이나 특징을 나타낸다.

또한 속성은 머신러닝에 사용되는 데이터 항목이다. 속성은 변수, 필드, 또는 예측 변수라고도 불린다.

속성 유형에 대한 이해는 데이터 전처리의 첫 번째 단계이다. 다양한 유형의 속성을 구분한 다음 데이터를 사전 처리 하계 된다. 속성의 유형은 정성적 속성과, 정량적 속성으로 나눌 수 있다.

Table of Contents　

Qualitative

명목 속성_{(Nominal, 이름과 관련)}: 명목 속성의 값은 사물의 이름이나 일종의 상징이다. 명목 속성 값은 어떤 범주 또는 상태를 나타내므로 명목 속성은 범주 속성이라고도 하며 명목 속성 값 사이에는 순서_{(순위, 위치)}가 없다.

순서 속성_(Ordinal): 의미 있는 순서나 순위가 있는 값을 포함하지만 값 사이의 크기는 실제로 알 수 없으며, 중요한 것은 표시하지만 중요도를 나타내지 않는 값의 순서이다.

이진 속성_(Binary): 이진 데이터에는 2개의 값이나 상태만 있다.
- 대칭_(Symmetric): 두 값 모두 똑같이 중요하다.
- 비대칭_(Asymmetric): 두 값 중 하나가 다른 값보다 더 중요하다.

숫자 속성_(Numeric): 숫자 속성은 정수 또는 실수 값으로 표시되는 측정 가능한 양이기 때문에 정량적이다. 숫자 속성은 간격 및 비율 의 2가지 유형이 있습니다
- 간격_(등간) 척도_{(Interval Scale)}: 속성에는 값 이 있으며 그 차이는 해석 가능하지만 숫자 속성에는 올바른 기준점이 없거나 영점이라고 부를 수 있다. 데이터는 간격 척도로 더하거나 뺄 수 있지만 곱하거나 나눌 수는 없다.
  온도를 예로 생각 할 수 있다. 하루의 기온이 다른 날의 두 배라면 어느 날이 다른 날의 두 배라고 말할 수는 없다.
- 비율 척도_{(Ratio Scale)}: 속성은 영점이 고정된 숫자 속성이다 . 측정이 비율 척도이면 값을 다른 값의 배수_{(또는 비율)}라고 말할 수 있다. 값이 정렬되고 값 간의 차이를 계산할 수도 있으며 평균, 중앙값, 최빈값, 분위수 범위 및 5개의 숫자 요약이 제공될 수 있다.

이산 속성_(Discrete): 이산 데이터는 유한한 값을 가지며 숫자일 수 있고, 범주형일 수도 있다. 이러한 속성에는 유한하거나 셀 수 있는 무한한 값 집합이 있다.

연속 속성_(Continuous): 연속 데이터는 상태가 무한하다. 연속 데이터는 float 유형이다. 2와 3 사이에 많은 값이 있을 수 있다.