目錄：
1，度量數據中心趨勢與離散趨勢的統計量？
2，刻畫相異性的度量？
3，什麼是高數據質量的數據？
4，規範化變換數據的方法？
5，什麼是數據倉庫？
6，什麼是數據立方體？
7，OLAP的操作用哪些？
8，OLAP的服務器結構有哪些？
9，常用的屬性選擇度量有哪些？
10，評估分類器性能的度量？
通過細微的十個小問題，以點畫線，畫出數據相關的知識面，直觀把握知識，形成一個體系。
1，度量數據中心趨勢與離散趨勢的統計量？
中心趨勢度量：均值，中位數，中列數，眾數；
離散趨勢度量：極差，四分位數，方差，標準差，四分位數極差；
分佈形態度量：峰度，偏度，一個標準正態分佈數據偏度為0，峰度為3
2，刻畫相異性的度量？
歐幾里得距離（綠色），曼哈頓距離（紅藍黃），閔可斯夫基距離，上確界距離等等。
3，什麼是高數據質量的數據？
準確性，完整性，一致性，時效性，可信性和可解釋性。
數據預處理過程：數據清理，數據集成，數據歸約。
4，規範化變換數據的方法？
最小-最大規範化：將原始數據投射到指定的空間[min,max]。可用公式表示為：
Z分數(z-score)規範化（或零均值規範化）：屬性的值基於A的均值（即平均值）和標準差規範化
小數定標規範化：通過移動屬性A的值的小數點未知進行規範化。小數點的移動位數依賴於A的最大絕對值。
還有scaling 圖表化顯示。
5，什麼是數據倉庫？
William H. Inmon 說：“數據倉庫是一個面向主題的，集成的，時變的，非易失的數據集合，支持管理者的決策過程。”
三種數據倉模型：企業倉，數據集市，虛擬倉庫
6，什麼是數據立方體？
數據立方體是一種多維數據模型，允許以多維對數據建模和觀察。它由維和事實定義。
多維數據模型的模式：星形，雪花，事實星座。
對於N維立方體，共有2的N次方個基本方體，會產生維災難。
完全立方體，冰山立方體，閉立方體，立方體外殼。
7，OLAP的操作用哪些？
上卷，下鑽，切片和切塊，轉軸。其它操作：鑽過，鑽透；
8，OLAP的服務器結構有哪些？
關係OLPA（ROLAP）服務器，多維OLAP（MOLAP）服務器，混合OLAP（HOLAP）服務器，特殊的SQL服務器。
9，常用的屬性選擇度量有哪些？
屬性選擇度量就是分裂規則，用來確定分裂屬性和分裂子集。
常見的度量方法：信息增益，增益率，基尼指數(Gini指數)
其他屬性度量方法：卡方檢驗，C-SEP，G-統計量
10，評估分類器性能的度量？
恭喜你，看完了十個問題，也掌握了基礎的解答點，更希望你能夠做到問十道百，體現自己的專業知識和技術自信。
閱讀更多 吾理數 的文章
