什么是数据分类

❶ 简答什么是EXCEL的数据分类汇总。

分类汇总就是按类别对数据进行分类汇总（求和、均值、极值等）

以下图为例，计算每个人的销售额合计。

单击某姓名左侧的+号，可展开某人的明细。

2、单击“数据”>>>“分类汇总”，再单击“分类汇总”对话框的”全部删除“按钮，可清除分类汇总。

❷ 根据数据反映的测量水平，可把数据区分为哪四种类型这四种类型数据有什么分别

根据数据反映的测量水平,可把数据区分为称名数据、顺序数据、等距数据和比率数据四种类型。
1.称名变量。称名变量只说明某一事物与其他事物在名称、类别或属性上的不同并不说明事物与事物之间差异的大小、顺序的先后。这些数据仅是类别符号而已,没有在量方面的实质性意义,一般不能对这类数据进行加、减、乘、除运算但通常可对每一类别计算次数或个数等。
2.顺序变量。顺序变量是指可以就事物的某一属性的多少或大小按次序将各事物加以排列的变量具有等级性和次序性的特点。顺序变量的观测结果有些是直接用序数等级来表示事物属性的多少与大小另外有些观测结果则是用有序的类别来区分事物属性的差异。在实际应用和研究中常用有序的整数或自然数来表示顺序变量的各种观测结果从而得到顺序变量数据。顺序变量数据之间虽有次序与等级关系但这种数据之间不具有相等的单位也不具有绝对的数量大小和零点。因此只能进行顺序递推运算。
3.等距变量。等距变量除能表明量的相对大小外,还具有相等的单位。等距变量观测数据的单位是相等的但零点却是相对的。对这类数据一般不能用乘、除法运算来反映两个数据。
4.比率变量。比率变量除了具有量的大小、相等单位外,还有绝对零点。比率变量数据可以进行加、减、乘、除运算,允许人们用乘、除法处理数据,以便对不同个体的测量结果进行比较并作比率性即倍比关系描述。
区别称名变量不说明事物与事物之间的差异的大小顺序先后顺序变量可以就事物的大小多少按照次序进行对事物排列等距变量具有相等的单位能表明量的相对大小它观测数据的单位是相等的但是零点是相对的。比率变量除了具有量的大小、相等单位还有绝对零点对它的数据可以进行加减乘除的运算。

❸ 数据分级分类是什么有产品吗

数据分类是指根据业务特点对产生、采集、加工、使用或管理的数据进行分类，以便管理和维护，数据分级是在数据分类的基础上，再按照重要性、敏感程度、影响程度等标准将数据分为重要数据、一般数据、敏感数据等，以维护隐私安全和最小化成本。产品推荐你了解下安华金和的新品数据安全评估系统。

❹ 分类数据的详解

由用户或专家在模式级显式地说明属性的偏序：通常，分类属性或维的概念分层涉及一组属性。用户或专家在模式级通过说明属性的偏序或全序，可以很容易地定义概念分层。例如，关系数据库或数据仓库的维location可能包含如下属性组：street, city, province_or_state 和country。可以在模式级说明这些属性的全序，如street < city < province_or_state < country， 来定义分层结构。
通过显式数据分组说明分层结构的一部分：这基本上是人工地定义概念分层结构的一部分。在大型数据库中，通过显式的值枚举定义整个概念分层是不现实的。然而，对于一小部分中间层数据，我们可以很容易地显式说明分组。例如，在模式级说明了province和country形成一个分层后，用户可能人工地添加某些中间层。如“{Albert, Sakatchewan, Manitoba}. prairies_Canada”和“{British Columbia, prairies_Canada} . Western_Canada”。

❺ c语言的数据类型分类都是什么

数据类型有：基本类型，导出类型，用户自定义类型 基本类型才包括：逻辑型 字符型 整型 浮点型

记得采纳啊

❻ 数据挖掘为什么要对数据进行分类

不太明白您说的分类是什么意思？是在数据预处理阶段，还是挖掘的目的？

如果在数据预处理阶段，可能是只对某个领域的数据进行挖掘，从而可以得出更置信的结论；
如果是挖掘目的，也就是模型的输出，这就比较好理解了。

❼ 数据是指的什么

数据是指的事实或观察的结果，是对客观事物的逻辑归纳，是用于表示客观事物的未经加工的原始素材，是对客观事物的性质、状态以及相互关系等进行记载的物理符号或这些物理符号的组合。它是可识别的、抽象的符号。。

数据可以是连续的值，比如声音、图像，称为模拟数据。也可以是离散的，如符号、文字，称为数字数据。

在计算机科学中，数据是指所有能输入到计算机并被计算机程序处理的符号的介质的总称，是用于输入电子计算机进行处理，具有一定意义的数字、字母、符号和模拟量等的通称。计算机存储和处理的对象十分广泛，表示这些对象的数据也随之变得越来越复杂。在计算机系统中，数据以二进制信息单元0、1的形式表示。

(7)什么是数据分类扩展阅读：

数据的分类：

按性质分为：

①定位的，如各种坐标数据；

②定性的，如表示事物属性的数据（居民地、河流、道路等）；

③定量的，反映事物数量特征的数据，如长度、面积、体积等几何量或重量、速度等物理量；

④定时的，反映事物时间特性的数据，如年、月、日、时、分、秒等。

按表现形式分为：

①数字数据，如各种统计或量测数据。数字数据在某个区间内是离散的值 [3]  ；

②模拟数据，由连续函数组成，是指在某个区间连续变化的物理量，又可以分为图形数据（如点、线、面）、符号数据、文字数据和图像数据等，如声音的大小和温度的变化等。

按记录方式分为：

地图、表格、影像、磁带、纸带。按数字化方式分为矢量数据、格网数据等。在地理信息系统中，数据的选择、类型、数量、采集方法、详细程度、可信度等，取决于系统应用目标、功能、结构和数据处理、管理与分析的要求。

❽ 数据分类和聚类有什么区别

主要区别是，性质不同、目的不同、应用不同，具体如下：

一、性质不同

1、数据分类

数据分类就是把具有某种共同属性或特征的数据归并在一起，通过其类别的属性或特征来对数据进行区别。为了实现数据共享和提高处理效率，必须遵循约定的分类原则和方法，按照信息的内涵、性质及管理的要求，将系统内所有信息按一定的结构体系分为不同的集合，从而使得每个信息在相应的分类体系中都有一个对应位置。

2、数据聚类

数据聚类是指根据数据的内在性质将数据分成一些聚合类，每一聚合类中的元素尽可能具有相同的特性，不同聚合类之间的特性差别尽可能大。

二、目的不同

1、数据分类

数据分类的目的是根据新数据对象的属性，将其分配到一个正确的类别中。

2、数据聚类

聚类分析的目的是分析数据是否属于各个独立的分组，使一组中的成员彼此相似，而与其他组中的成员不同。

三、应用不同

1、数据分类

应用于统计学、计算机控制。

2、数据聚类

广泛应用于机器学习，数据挖掘，模式识别，图像分析以及生物信息等。

以上内容参考网络-数据分类、网络-数据聚类

❾ 基本数据类型是什么

根据不同的分类方法，可以将统计数据分为以下几种类型：按计量层次分类、按来源分类、按时间状况分类。

数据的来源主要有两种渠道：一种是通过直接的调查获得的原始数据，一般称为第一手或直接的统计数据；另一种是别人调查的数据，并将这些数据进行加工和汇总后公布的数据，通常称之为第二手或间接的统计数据。

数据分类的基本原则如下：

1、稳定性：依据分类的目的，选择分类对象的最稳定的本质特性作为分类的基础和依据，以确保由此产生的分类结果最稳定。因此，在分类过程中，首先应明确界定分类对象最稳定、最本质的特征。

2、系统性：将选定的分类对象的特征（或特性）按其内在规律系统化进行排列，形成一个逻辑层次清晰、结构合理、类目明确的分类体系。

3、可扩充性：在类目的设置或层级的划分上，留有适当的余地，以保证分类对象增加时，不会打乱已经建立的分类体系。

以上内容参考网络—数据分类