Mô tả chi tiết và các tiêu chí của dataset

Các tính chất của 1 dataset là những đặc điểm mô tả tập dữ liệu đó, giúp ta hiểu rõ hơn về bản chất và cấu trúc của nó. 

Dưới đây là một số tính chất quan trọng của một tập dữ liệu:

• Số lượng bản ghi (samples): Bao nhiêu điểm dữ liệu riêng biệt tồn tại trong tập dữ liệu?
• Số lượng biến (features): Bao nhiêu thuộc tính hoặc đặc điểm được đo lường cho mỗi bản ghi?
• Kích thước tập tin: Tập dữ liệu chiếm bao nhiêu dung lượng lưu trữ?

2. Loại dữ liệu:

• Dữ liệu định lượng: Dữ liệu có thể được biểu diễn dưới dạng số, ví dụ như chiều cao, cân nặng, tuổi tác,...
• Dữ liệu định tính: Dữ liệu phi số, thường được biểu diễn dưới dạng danh mục, ví dụ như giới tính, màu sắc, loại sản phẩm,...

3. Phân bố dữ liệu:

• Phân bố đều: Các giá trị dữ liệu xuất hiện với tần suất tương đối bằng nhau.
• Phân bố lệch: Một số giá trị dữ liệu xuất hiện thường xuyên hơn những giá trị khác.

4. Chất lượng dữ liệu:

• Tính đầy đủ: Liệu có giá trị nào bị thiếu trong tập dữ liệu hay không? (chú ý, HV thường hay SAI).
• Tính chính xác: Liệu các giá trị dữ liệu có chính xác và phản ánh thực tế hay không?
• Tính nhất quán: Liệu các giá trị dữ liệu có được ghi chép theo cùng một định dạng và đơn vị hay không?
• Tính trùng lặp: Liệu có bản ghi hoặc giá trị nào bị trùng lặp trong tập dữ liệu hay không?
• Tính đa dạng: vét cạn các trường hợp khả dĩ của các mẫu dữ liệu (chú ý, HV thường hay SAI).
• Tính tin cậy: nguồn dữ liệu lấy là uy tín.

5. Mối quan hệ dữ liệu:

• Dữ liệu độc lập: Các bản ghi trong tập dữ liệu không liên quan đến nhau.
• Dữ liệu có liên quan: Các bản ghi trong tập dữ liệu có mối liên hệ với nhau theo một số cách.

Ngoài ra, một số tính chất khác của tập dữ liệu có thể bao gồm:

• Nguồn gốc dữ liệu: Tập dữ liệu được thu thập từ đâu?
• Phương pháp thu thập dữ liệu: Dữ liệu được thu thập như thế nào?
• Mục đích sử dụng dữ liệu: Dữ liệu được sử dụng cho mục đích gì?
• Tính bảo mật dữ liệu: Dữ liệu được bảo vệ như thế nào?

Hiểu rõ các tính chất của tập dữ liệu là rất quan trọng để có thể sử dụng nó một cách hiệu quả. Việc phân tích các tính chất này có thể giúp ta xác định các vấn đề tiềm ẩn trong dữ liệu, lựa chọn phương pháp phân tích phù hợp và đưa ra kết luận chính xác từ dữ liệu.