2.1 數(shù)據(jù)操作基礎(chǔ)

數(shù)據(jù)框（Data Frame）是機(jī)器學(xué)習(xí)中用得最多的一種數(shù)據(jù)結(jié)構(gòu)，數(shù)據(jù)框由多行多列組成，每列是同一種數(shù)據(jù)類型，但不同列的數(shù)據(jù)類型可以不同（與矩陣類型的區(qū)別），類似JDBC編程中數(shù)據(jù)集對象RecordSet。機(jī)器學(xué)習(xí)很多算法和數(shù)據(jù)預(yù)處理函數(shù)都是圍繞Data Frame展開，R語言和Python Pandas有深入的支持，就如同MATLAB等科學(xué)計(jì)算軟件以向量/矩陣為中心。在R語言中，既支持向量、矩陣、字符串、列表（List）等常見數(shù)據(jù)類型，也提供了因子（Factor）數(shù)據(jù)類型，解決名義變量（例如性別）和有序變量（例如報(bào)警等級）在機(jī)器學(xué)習(xí)中的特別處理要求，例如，因子量不能像連續(xù)變量那樣參與四則運(yùn)算，在存儲效率上Factor比原始的變量類型（特別是字符串）更高。