Введение
Общая концепция
Сбор данных
[[Файл:Iris dataset scatterplot.svg|thumb|right|Различные графики многомерного набора данных "Iris", представленного Рональдом Фишером в 1936 году. В области открытых данных набор данных является единицей измерения информации, публикуемой в общедоступном хранилище открытых данных. Европейский портал данных europa.eu агрегирует более миллиона наборов данных.
Collection of data
[[File:Iris dataset scatterplot. svg|thumb|right|Various plots of the multivariate data set Iris flower data set introduced by Ronald Fisher (1936). In the open data discipline, data set is the unit to measure the information released in a public open data repository. The European data. europa. eu portal aggregates more than a million data sets.
Свойства
Несколько характеристик определяют структуру и свойства набора данных. К ним относятся количество и типы атрибутов или переменных, а также различные статистические показатели, применимые к ним, такие как стандартное отклонение и эксцесс. Значения могут быть числами, такими как вещественные числа или целые числа, например, представляющие рост человека в сантиметрах, но также могут быть номинальными данными (то есть не состоящими из числовых значений), например, представляющими этническую принадлежность человека. В более общем смысле значения могут быть любого из видов, описываемых как уровни измерения. Для каждой переменной значения обычно имеют один и тот же тип. Могут присутствовать пропущенные значения, которые необходимо каким-либо образом обозначить. В статистике наборы данных обычно происходят из фактических наблюдений, полученных в результате выборки из статистической генеральной совокупности, и каждая строка соответствует наблюдениям по одному элементу этой совокупности. Наборы данных могут также генерироваться алгоритмами для тестирования определенных видов программного обеспечения. Некоторые современные программы статистического анализа, такие как SPSS, по-прежнему представляют свои данные в классическом формате набора данных. Если данные отсутствуют или вызывают подозрения, для заполнения набора данных может быть использован метод импутации.