机器学习面试题 5：下面哪个不属于数据的属性类别
内容提要
本文介绍数据属性类别，包括标称、二元、序数、数值（区间与比率标度）及离散与连续属性。题目问哪个不属于属性类别，选项D“相异”不属于，正确答案为D。文章详细解释各类属性定义与示例，强调属性类型间非互斥。
延伸解读
属性类型并非互斥
文章明确指出，标称、二元、序数和数值属性之间并非互斥，而是可以从不同角度对属性进行分类。例如，二元属性本质上是标称属性的一种特例，而序数属性可以通过离散化数值属性得到。理解这一点有助于在实际数据分析中灵活选用合适的属性描述方式，避免机械套用单一分类。
数值属性的两种标度差异
数值属性细分为区间标度和比率标度，关键区别在于是否存在真正的零点。区间标度（如摄氏温度）没有绝对零点，因此不能进行比率比较（如不能说10℃比5℃温暖2倍）；而比率标度（如开氏温度、身高、体重）具有绝对零点，支持比率运算。这一区别在数据分析和机器学习中影响特征的处理方式，例如是否适合进行对数变换或比率计算。
离散与连续属性的实际意义
机器学习算法常将属性分为离散或连续，两者处理方法不同。离散属性（如成绩等级、年龄）取值有限或可数，而连续属性（如身高、速度）取值不可数。文章提醒，术语“数值属性”和“连续属性”常被互换使用，但严格来说，数值属性包含离散和连续两类，理解这一细微差别有助于正确选择模型和预处理方法。
Q&A
在机器学习中，数据的属性类别包括哪些？
数据的属性类别包括标称属性、二元属性、序数属性、数值属性（区间标度和比率标度）以及离散属性与连续属性。
标称属性和序数属性有什么区别？
标称属性的值是一些符号或名称，代表类别、编码或状态，没有有意义的序，也不是定量的；序数属性的值之间有有意义的序或秩评定，但相继值之间的差是未知的。例如，标称属性如颜色（红、绿、蓝），序数属性如成绩等级（优、良、中、差）。
什么是二元属性？它和布尔属性有什么关系？
二元属性是一种只有两个类别或状态的标称属性，通常用0和1表示，0表示不出现，1表示出现。如果将0和1对应为false和true，二元属性就是布尔属性。
区间标度属性和比率标度属性有什么不同？
区间标度属性用相等的单位尺度度量，值有序，可以比较和量化差值，但没有真正的零点，例如摄氏温度，不能说10℃比5℃温暖2倍；比率标度属性有真正的零点，可以用比率描述两个值，例如开氏温度、身高、体重等。
离散属性和连续属性如何区分？
离散属性具有有限或无限可数个值，例如学生成绩等级、二元属性取值0和1、年龄取0到110；如果一个属性不是离散的，则是连续的。注意，术语“数值属性”和“连续属性”常互换使用。
在机器学习面试题中，哪个选项不属于数据的属性类别？
选项D“相异”不属于数据的属性类别。数据的属性类别包括标称、二元、序数、数值（区间和比率）以及离散与连续属性，而“相异”不是属性类别。
