Zbiór danych: Różnice pomiędzy wersjami
[wersja nieprzejrzana] | [wersja nieprzejrzana] |
Usunięta treść Dodana treść
asa |
Anulowanie wersji użytkownika 83.25.143.149 do wersji użytkownika 83.5.251.68. Zgłoś nieprawidłowy rewert. (6611) |
||
Linia 1:
'''Zbiór danych''' jest kolekcją [[dane|danych]] [[statystyka|statystycznych]] zwykle ujętych w formie stabelaryzowanej.
Najczęściej kolumny odpowiadają obserwowanym [[cecha statystyczna|cechom statystycznym]] a każdy wiersz opisuje jedną [[obserwacja statystyczna|obserwację]] z [[próba statystyczna|próby]]. Wartości komórek macierzy opisują realizacje danych [[zmienna losowa|zmiennych]] w kolejnych obserwacjach.
Szczególnym przypadkiem jest też [[macierz kontyngencji]] ([[tablica wielodzielcza]]) w której wiersze odpowiadają etykietom jednej [[zmienna nominalna|zmiennej nominalnej]], kolumny etykietom drugiej zmiennej, a wartości macierzy odpowiadają liczności w próbie obserwacji o danych wartościach tych dwóch zmiennych.
Historycznie, termin powstał w świecie komputerów [[IBM]] [[mainframe]], gdzie miał dobrze zdefiniowane znaczenie, bliskie współczesnym [[plik]]om. Dzisiaj w świecie komputerów najbliższym pojęciem jest [[tabela (bazy danych)|tabela]] w [[baza danych|bazie danych]].
Kolumny reprezentujące zmienne na skali [[skala interwałowa|interwałowej]] lub [[skala przedziałowa|przedziałowej]] zawierają [[liczby rzeczywiste]]. Kolumny opisujące zmienne na skali [[skala nominalna|nominalnej]] i [[skala porządkowa|porządkowej]] mogą również być liczbami, ale także np. etykietami tekstowymi.
Ponadto w może w dowolnej komórce wystąpić [[brakujące dane|brak danych]], który musi być w jakiś sposób możliwy do odróżnienia. Niekiedy rezerwuje się dla niego specjalną wartość liczbową i znakową.
W [[statystyka|statystyce]] zbiory danych zwykle stanowią wyniki obserwacji pewnej [[próba statystyczna|próby statystycznej]]. W statystyce teoretycznej niekiedy tworzy się zbiory danych sztucznie (np. w celu sprawdzenia jak dana metoda statystyczna reaguje na różne rozkłady w [[populacja statystyczna|populacji]]). Istnieją też zaawansowane metody obliczania [[istotność statystyczna|istotności statystycznej]], które wymagają usuwania lub powielania obserwacji w zbiorze (np. [[bootstrap (statystyka)|bootstrap]], [[walidacja krzyżowa]]).
Chociaż termin "zbiór danych" sugeruje związek ze [[zbiór|zbiorami]] w sensie matematycznej [[teoria mnogości|teorii mnogości]], jednak analogia ta nie sięga daleko. Elementy zbioru danych mogą się powtarzać, w przeciwieństwie do elementów matematycznych zbiorów.
== Klasyczne zbiory danych ==
Kilka zbiorów danych jest bardzo często używanych w literaturze:
* ''[[Iris flower data set]]'' (zbiór danych na temat [[irys]]ów)- wielowymiarowy zbiór danych wprowadznony przez [[Ronald Fisher|Rolanda Fishera]] (1936).<ref name="fisher36">{{cytuj książkę|autor=Fisher, R.A. |tytuł=The Use of Multiple Measurements in Taxonomic Problems|wydawca=[[Annals of Eugenics]]| strony=tom 7, str 179–188| rok=1936}} http://digital.library.adelaide.edu.au/coll/special//fisher/138.pdf</ref>
* Zbiór danych wprowadzony w książce ''An Introduction to Categorical Data Analysis'', autorstwa Agrestiego, dostępny [http://lib.stat.cmu.edu/datasets/agresti on-line ze stron StatLib]
* Zbiór danych używany w ''Robust Regression and Outlier Detection'' (Rousseeuw and Leroy, 1986). [http://www.uni-koeln.de/themen/Statistik/data/rousseeuw/ Dostępny on-line ze stron Uniwersytetu w Kolonii.]
* Zbiór użyty w książce Chatfielda ''The Analysis of Time Series'', [http://lib.stat.cmu.edu/modules.php?op=modload&name=PostWrap&file=index&page=datasets/ dostępny on-line ze stron StatLib.]
* Zbiór użyty w książce ''An Introduction to the Statistical Modeling of Extreme Values'' [http://homes.stat.unipd.it/coles/public_html/ismev/ismev.dat dostępny on-line ze stron Stuarta Coles], autora książki.
* Zbiór użyty w książce ''[[statystyka bayesowska|Bayesian]] Data Analysis'', [http://www.stat.columbia.edu/~gelman/book/data/ dostępny on-line ze stron Andrew Gelmana], jednego z autorów książki.
* [ftp://ftp.ics.uci.edu/pub/machine-learning-databases/liver-disorders Bupa liver data] (dane na temat chorób [[nerka|nerek]]), używane w wielu artykułach na temat [[uczenie maszynowe|uczenia maszynowego]] i [[data mining]].
{{przypisy}}
== Zobacz też ==
* [[zbiór danych osobowych]]
* [[zbiór uczący]], [[zbiór testowy]], [[zbiór walidacyjny]]
== Linki zewnętrzne ==
* {{lang|en}} [http://lib.stat.cmu.edu/datasets/ StatLib--Datasets Archive]
* {{lang|en}} [http://lib.stat.cmu.edu/jasadata/ StatLib--JASA Data Archive]
[[Kategoria:Przygotowanie danych]]
[[en:Data set]]
|