Soubor dat - Data set

Termín sálového počítače IBM pro soubor viz Datová sada (IBM mainframe). Informace o zařízení telekomunikačního rozhraní viz Modem.

A soubor dat (nebo datová sada) je sbírka data. V případě tabulkových dat odpovídá soubor dat jednomu nebo více databázové tabulky, kde každý sloupec tabulky představuje konkrétní proměnnou a každou z nich řádek odpovídá danému záznamu dané datové sady. Sada dat uvádí hodnoty pro každou z proměnných, jako je výška a hmotnost objektu, pro každého člena sady dat. Každá hodnota je známá jako vztažný bod. Sady dat mohou také sestávat ze sbírky dokumentů nebo souborů.[1]

V otevřená data disciplína, soubor dat je jednotka pro měření informací zveřejněných ve veřejném úložišti otevřených dat. Evropský portál otevřených dat agreguje více než půl milionu datových souborů.[2] V této oblasti byly navrženy další definice,[3] ale v současné době neexistuje oficiální. Některé další problémy (zdroje dat v reálném čase,[4] nerelační datové soubory atd.) zvyšuje obtížnost dosažení konsensu o tom.

Vlastnosti

Strukturu a vlastnosti datové sady definuje několik charakteristik. Patří mezi ně počet a typy atributů nebo proměnných a různé statistická opatření vztahující se na ně, jako např standardní odchylka a špičatost.[5]

Hodnotami mohou být čísla, například reálná čísla nebo celá čísla, například představující výšku osoby v centimetrech, ale může také být nominální údaje (tj. skládající se z numerické hodnoty), například představující etnickou příslušnost člověka. Obecněji platí, že hodnoty mohou být jakéhokoli druhu popsaného jako a úroveň měření. Pro každou proměnnou jsou hodnoty obvykle všechny stejného druhu. Mohou však také existovat chybějící hodnoty, což musí být nějakým způsobem uvedeno.

v statistika, soubory dat obvykle pocházejí ze skutečných pozorování získaných pomocí vzorkování A statistická populace a každý řádek odpovídá pozorování jednoho prvku této populace. Datové soubory mohou být dále generovány algoritmy za účelem testování určitých druhů software. Nějaký moderní software pro statistickou analýzu, jako je SPSS stále prezentují svá data klasickým způsobem. Pokud data chybí nebo jsou podezřelá imputace k dokončení souboru dat lze použít metodu.[6]

Klasické datové sady

Několik klasických datových souborů bylo ve Windows často používáno statistický literatura:

Viz také

Reference

  1. ^ Snijders, C .; Matzat, U .; Reips, U.-D. (2012). "'Big Data ': Velké mezery v oblasti znalostí v oblasti internetu “. International Journal of Internet Science. 7: 1–5.
  2. ^ „Evropský portál otevřených dat“. Evropský portál otevřených dat. Evropská komise. Citováno 2016-09-23.
  3. ^ „Definice datové sady - MELODA“. www.meloda.org. Citováno 2016-08-17.
  4. ^ Atz, U (2014). „Tau dat: nová metrika pro hodnocení aktuálnosti dat v katalozích“ (PDF). Sborník CEDEM 2014. Citováno 2016-08-01.
  5. ^ Jan M. Żytkow, Jan Rauch (1999). Zásady dolování dat a zjišťování znalostí. ISBN  978-3-540-66490-1.
  6. ^ Statistická komise OSN; Evropská hospodářská komise OSN (2007). Úpravy statistických údajů: Dopad na kvalitu údajů: Svazek 3 úpravy statistických údajů, Konference evropských statistiků Statistické standardy a studie. Publikace OSN. p. 20. ISBN  978-9211169522. Citováno 19. července 2015.
  7. ^ Fisher, R.A. (1936). „Použití více měření v taxonomických problémech“ (PDF). Annals of Eugenics. 7 (2): 179–188. doi:10.1111 / j.1469-1809.1936.tb02137.x. hdl:2440/15227.

externí odkazy