typy dat

syntaktické hledisko: numerická, textová, datumová, časová, logická
sémantické hledisko:
- numerická – binární, kategoriální, ordinální, reálné (převádí se na intervaly) ???? /( nominální, ordinální, itervalová, poměrová?)
- nenumerická – časové (pro přepočet na psek nebo kategorizaci), textové (zakódování do čísel)
- grafické, zvukové, neatomické

filtrace dat

výběr atributů vhodných k analýzám
jako předzpracování dat
ošetření nebo vyloučení chybných nebo chybějících záznamů
sjednocení formátů nebo jednotek
numerické zakódování
řešení
- jednotně označit chybějící údaje (9999) → jestli to metoda neumí řešit, tak je lepší ty údaje úplně vyloučit
- nebo chybějící data doplnit (optimisticky, pesimisticky, neutrálně, nebo jinak)

Dichotomizace je speciálním případem převodu nominální veličiny na ordinální, v tomto případě konkrétně na binární.
S takto vytvořenými atributy je dále možné zacházet jako s kterýmikoliv jinými atributy. Uplatnění najdou zejména pro shlukování pomocí algoritmu k-Means a pro vytváření binárních rozhodovacích stromů.
bud převod na ano/ne, pokud mám třeba reálná čísla → tak vymezit intervaly! (ale přijdu tím o hodnoty no…)
není potom ale splněna 1. a 3. NF!! → protože z jednoho atributu s několika hodnotami vytvořím několik atributů s hodnotama ANO/NE (třeba barva očí - pak bude jeden sloupec zelená a ANO/NE, modrá ANO/NE, žlutá ANO/NE a tak…)

http://portal.matematickabiologie.cz/index.php?pg=analyza-a-hodnoceni-biologickych-dat--vicerozmerne-metody-pro-analyzu-dat--vicerozmerna-rozdeleni-pravdepodobnosti--transformace-dat--standardizace-dat
vážení znaků (často v biologii, kde je některý shluk významnější)
vážení nelze nasadit při shlukové analýze
zajistit nezávislost na jednotce měření!
Ke standardizaci se používají statistiky odvozené z analyzovaného souboru dat (průměr, směrodatná odchylka, rozpětí, maximum atd.). Proměnné se tímto postupem převádějí na stejné měřítko, přestává tedy záležet na skutečném rozměru příslušných proměnných. K nejčastějším úpravám patří standardizace směrodatnou odchylkou a standardizace rozpětím. Mezi další způsoby standardizace dat patří standardizace na celkový součet řádku či sloupce, standardizace na maximum řádku či sloupce a standardizace na jednotkovou délku vektoru řádku, které se používají zejména ve shlukové analýze v ekologických studiích.