马的疝病分析

1. 问题描述

疝病是描述马胃肠痛的术语，这种病不一定源自马的胃肠问题，其他问题也可能引发马疝病。所给数据集是医院检测的一些指标。

2. 数据说明

数据集分为两部分：训练集和测试集。训练集有300个样例，测试集有68个样例。每条记录有28个属性，代表医院检测到的28个指标。经过统计发现，其中有21个标称属性，7个数值属性。

3. 数据分析要求

3.1 数据可视化和摘要

数据摘要

• 对标称属性，给出每个可能取值的频数，
• 数值属性，给出最大、最小、均值、中位数、四分位数及缺失值的个数。

数据的可视化

针对数值属性，

• 绘制直方图，如mxPH，用qq图检验其分布是否为正态分布。
• 绘制盒图，对离群值进行识别

3.2 数据缺失的处理

数据集中有30%的值是缺失的，因此需要先处理数据中的缺失值。

分别使用下列四种策略对缺失值进行处理:

• 将缺失部分剔除
• 用最高频率值来填补缺失值
• 通过属性的相关关系来填补缺失值
• 通过数据对象之间的相似性来填补缺失值

处理后，可视化地对比新旧数据集。