数据是什么？

数据(data)是事实或观察的结果，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的原始素材。

数据分类

        数据有很多种分类，但大的类别可以从结构化和非结构化进行分割。所谓结构化，有传统的行列存储的数据格式，每一行就是一个观测，每一列是一种属性特征，最常见的文档格式是 CSV；另外有XML、JSON等特定的结构格式。所谓非结构化，指数据不是按照固定的格式存储，如文本文件，图片文件，声音、视频等。

        在结构化数据中，我们可以按照数据本身特性，分为：

        类别数据（nominal level）: 一般是字符型，比如名称，张三、李四、王二。类别数据通常用于计算频数分布，对其进行均值、方差等计算没有意义。

        序列数据（ordinal level）：一般是整数，比如序号，1,2,3,4。序列数据通常进行归一化处理、分位数处理等。日期/时间数据是一种特殊的序列数据。对序列数据进行频数计算是没有意义的。

        区间数据（interval level）：可以是整数，也可以是小数，比如重量、身高等。区间数据适用于各种统计计算，比如平均数、方差等，也可以进行频数计算看数据分布。

        对于非结构化数据的处理：

        文本数据：通常进行分词、词性标注、去除停用词、向量化等；

        图片数据：图片是由像素组成，通过颜色提取、灰度、二值化、加粗/弱化等一系列处理；

        语音数据：将语音信号转为声学特征，然后建立言语模型进行匹配识别；

        视频数据：提取帧图片数据，进行目标运动检测或者特征识别。