在數據挖掘/機器學習過程中，當我們在對屬性進行處理時，分清屬性的類型是有必要的，不同類型的屬性需要使用不同的處理方法，如在對對象的標識列進行處理時，對該列進行數學運算是沒有意義的，因爲對象的標識列一般是標稱屬性，只是起到唯一標識的作用。數據對象的屬性類型可以用下圖來概括：
從圖中可以看出，數據對象的屬性類型可以分爲標稱屬性、二元屬性、序數屬性、數值屬性四大類。其中二元屬性是標稱屬性的特例。下面從各種屬性類型的特點、可以使用的中心趨勢度量、是否可以離散化三個維度來概括。
1 標稱屬性
標稱屬性的值是一些符號或事物的名稱，但可以用數字表示這些符號或名稱，標稱屬性的值是枚舉的。常見的標稱屬性如姓名、籍貫等。鑑於標稱屬性的特點，統計它的中位數和均值是沒有意義的，但是我可找出某個出現次數最多的值，比如，出現次數最多的姓名，這個就可以用衆數來表示。因此，標稱屬性的中心趨勢度量一般是衆數。
2 二元屬性
二元屬性是標稱屬性的特例，也是一種布爾屬性，對應0和1兩個狀態，分別表示false和true。常見的二元屬性如拋一枚硬幣是正面朝上還是反面朝上，患者的檢查結果爲陰性還是陽性。二元屬性分爲對稱的和非對稱的，如果屬性的狀態結果是同等重要的，如拋硬幣的結果狀態，則該屬性是對稱的二元屬性，反之爲非對稱二元屬性。由於二元屬性也是標稱屬性的一種，因此只能用衆數來統計二元屬性。
3 序數屬性
序數屬性的可能值之間存在有意義的序或秩評定，但是相繼值之間的差是未知的，常見的序數屬性如上衣的尺寸有S、M、L、XL，可以用數字，如1、2、3、4分別對應屬性的S、M、L、XL值。由於序數屬性是有序的，它的中位數是有意義的，因此序數屬性的中心趨勢度量可以是衆數和中位數。
標稱屬性、二元屬性、序數屬性都是定性的，且都是離散的。
4 數值屬性
數值屬性用整數或實數值表示，常見的數值屬性如年齡。數值屬性可以是區間標度的或比率標度的。區分區間標度和比率標度屬性的原則是該屬性是否有固有的零點，如攝氏溫度沒有固有的零點，比值沒意義，所以是區間標度屬性，而開式溫度有固有的零點，比值是否有意義，所有是比率標度屬性。數值屬性的平均值是有意義的，如某個城市的平均年齡可以看出這個城市的老齡化情況，因此，數值屬性可以用衆數、中位數、平均值三個中心趨勢度量來統計。
數值屬性是定量的，可以是離散的也可以是連續的。