数值属性是什么？可以用数字度量和计算的特征

数值属性（Numerical Attribute），也叫定量属性或数值型特征，是指取值为数字、可以进行度量和数学运算的数据属性。比如一个人的年龄、身高、体重、月收入，一套房子的面积、价格，一天的气温、降水量，都是数值属性。与之相对的是类别属性，比如性别、颜色、城市，它们的取值表示的是类别，而不是数量。

数值属性的特点

数值属性的值是有意义的数字，可以比较大小，比如身高 180 厘米比 170 厘米高；可以计算差值，比如两人相差 10 厘米；通常还可以计算平均值、标准差等统计量。而对于类别属性，即使用数字来编码，比如用 1 表示北京、2 表示上海，这些数字也没有大小和运算的意义，计算“城市的平均值”是毫无意义的。区分这两类属性非常重要，因为它们需要用不同的方法来分析和处理。

离散型和连续型

数值属性可以分为两种。离散型：只能取有限个或可数的值，通常是整数，比如家庭成员的人数、一个月内的购买次数、网页的访问量，不可能有 2.5 个人。连续型：可以在某个范围内取任意的值，包括小数，比如身高、体重、温度、时间。在实际中，连续型的数据由于测量精度的限制，记录下来的值也是有限的，但理论上它可以取任意的值。

区间属性和比率属性

按照测量尺度的不同，数值属性还可以进一步分为两类。区间属性：值之间的差是有意义的，但没有真正的零点，因此计算比值没有意义。最典型的例子是摄氏温度：20 度比 10 度高 10 度，这个差值是有意义的；但不能说 20 度是 10 度的两倍热，因为摄氏 0 度并不代表“完全没有温度”。日历年份也是区间属性。比率属性：有真正的零点，零表示“完全没有”，因此不仅差值有意义，比值也有意义。比如身高、体重、收入、年龄、开氏温度：一个 40 千克的物体确实是 20 千克的物体的两倍重。大多数常见的数值属性都是比率属性。

在机器学习中的处理

在把数值属性交给机器学习模型之前，通常需要进行一些处理。标准化和归一化：不同的数值属性往往范围相差很大，比如年龄在 0 到 100 之间，收入可能在几千到几百万之间。如果不加处理，数值大的属性可能会在模型中占据主导地位。标准化把数据变换为平均值为 0、标准差为 1；归一化把数据缩放到 0 到 1 之间。这对于线性模型、K 近邻、支持向量机和神经网络等模型很重要，而决策树类的模型通常不受影响。处理偏斜的分布：收入、房价这类数据往往严重偏斜，少数极大的值会拉开差距，常用取对数等方法让分布更均匀。处理异常值：识别和处理那些明显偏离正常范围的值。离散化：有时会把连续的数值分成若干个区间，转换为类别，比如把年龄分为少年、青年、中年、老年，以便于解释，或者捕捉非线性的关系。