數(shù)據(jù)倉庫第七章(已修改)
2025-03-17 09:06 本頁面
【正文】 第七章 概念描述 概念描述基本知識 數(shù)據(jù)概化與基于匯總的特征化 解析特征化 — 屬性相關分析 挖掘概念比較 — 區(qū)分不同的類 第七章 概念描述 (續(xù) ) DB中存放大量細節(jié)性數(shù)據(jù)，而用戶通常希望以簡潔的描述形式觀察匯總的數(shù)據(jù)集。這種描述可提供 某類數(shù)據(jù)的概貌 以及 與其他數(shù)據(jù)類的區(qū)別 。此外，用戶希望方便靈活地以不同的粒度和從不同的角度描述數(shù)據(jù)集。這種描述性數(shù)據(jù)挖掘稱為概念描述，它是數(shù)據(jù)挖掘的一個重要部分。 概念描述基本知識 概念： 通常指數(shù)據(jù)的匯集。 概念描述： 是描述式數(shù)據(jù)挖掘最基本形式，它以簡潔匯總的形式描述給定數(shù)據(jù)集，提供數(shù)據(jù)的有趣的一般特性。 概念描述基本知識（續(xù)） 概念描述的組成： ?特征化 ：提供了一個有關數(shù)據(jù)整體的簡潔清晰描述。（定性描述） ?比較 ：提供了基于多組不同類數(shù)據(jù)的對比概念描述。（對比定性描述） 概念描述基本知識（續(xù)） 概念描述 與 數(shù)據(jù)概化 密切相關。給定存放在 DB中的大量數(shù)據(jù)，能夠以簡潔的形式在更一般的抽象層描述數(shù)據(jù)是很有用的。允許數(shù)據(jù)集在多個抽象層概化，便于考察數(shù)據(jù)的一般行為。 這種 多維 ,多層數(shù)據(jù)概化 類似于 DW中的多維數(shù)據(jù)分析。而 概念描述 類似于DW的 OLAP。 概念描述基本知識（續(xù)） 大型數(shù)據(jù)庫的概念描述和數(shù)據(jù)倉庫的 OLAP有何差別？ ?概念描述可處理復雜的數(shù)據(jù)類型和聚集。 ?概念描述是自動處理數(shù)據(jù)挖掘過程。 概念描述基本知識（續(xù)） 概念描述的方法包括 多層概化、匯總、特征化和比較。 這些方法形成實現(xiàn)數(shù)據(jù)挖掘的兩個主要功能模塊的基礎： 多層 特征化 和 比較 。 第七章 概念描述 概念描述基本知識 數(shù)據(jù)概化與基于匯總的特征化 解析特征化 — 屬性相關分析 挖掘概念比較 — 區(qū)分不同的類 數(shù)據(jù)概化與基于匯總的 特征化 數(shù)據(jù)概化是一個分析過程，它將 DB中與任務相關的大數(shù)據(jù)集從較低的概念層抽象到較高的概念層。對大量數(shù)據(jù)進行有效靈活的概化方法主要有兩種： ?數(shù)據(jù)立方體方法 ?基于屬性的歸納方法 利用 數(shù)據(jù)立方體方法 進行數(shù)據(jù)概化，被分析的數(shù)據(jù)存放在一個多維數(shù)據(jù)庫中，通過對多維數(shù)據(jù)立方進行上卷或下鉆操作，可完成數(shù)據(jù)概化和數(shù)據(jù)細化工作。 （續(xù)） 數(shù)據(jù)立方體提供了一種有效的數(shù)據(jù)概化方法，且構成了描述性數(shù)據(jù)挖掘中一個重要功能。但由于 OLAP的數(shù)據(jù)立方實現(xiàn)是將維的類型限制在簡單非數(shù)值類型，且將處理限制在簡單數(shù)據(jù)匯總方面，因此數(shù)據(jù)立方體并不能解決概念描述所能解決的一些重要問題。如：描述中應作用哪些維？概化過程應進行到哪個抽象層次上？這些問題均是由用戶負責提供答案的。 基本思想： 首先使用 RDB查詢收集任務相關的數(shù)據(jù)；然后通過考察任務相關數(shù)據(jù)中每個屬性的不同值的個數(shù)，進行概化。數(shù)據(jù)概化是通過 屬性刪除 或 屬性概化 操作來完成。通過合并相同行并累計它們相應的個數(shù)。這自然就減少了概化后數(shù)據(jù)集的大小，所獲結果以圖表、規(guī)則等多種不同形式提供給用戶。 （續(xù)） ?例 1： 從一個大學數(shù)據(jù)庫的學生數(shù)據(jù)中挖掘出研究生的一般特征。給定的屬性有：姓名、性別、專業(yè)、出生地、出生日期、居住地、電話和 GPA（平均等級分）。 ?AOI方法的 第一步： 利用 DB查詢語言從大學 DB中將學生數(shù)據(jù)抽取出來，然后指定一組與挖掘任務相關的屬性集。 （續(xù)） 由于數(shù)據(jù)挖掘查詢通常只涉及 DB的一部分，選擇相關的數(shù)據(jù)集不僅使得挖掘更有效，而且與在整個 DB挖掘相比，能產(chǎn)生更有意義的規(guī)則。 對用戶而言，指定挖掘的屬性可能比較困難。有時，用戶只能選擇少量他感到可能重要的屬性，而遺漏在描述中可能起作用的其他屬性。 （續(xù)） 如： 出生地 維由屬性 城市 、 省 和 國家 定義。在這些屬性中，用戶或許只考慮了城市屬性。為了對出生地進行概化處理，就必須將出生地概化所涉及到的其它屬性包含進來。換句話說，系統(tǒng)自動地包括省和國家作為相關屬性，使得城市可以在歸納過程中概化到較高的概念層。 （續(xù)） 另一方面，用戶可能引進過多的屬性，如：指定所有的屬性，這樣大學 DB的所有屬性都將包含在分析中，而有些屬性對有趣的描述是沒有用的。 姓名 性別 專業(yè) 出生地 出生日 居住地 電話 GPA 王東海 男 CS 合肥市 合肥市金寨 路 65號 05513665678 李哲 男 CS 合肥市 合肥市蕪湖 路 186號 05513656012 汪燕 女 PH 上海市 上海市高安 路 1250號 02162381960 初始工作關系：任務相關數(shù)據(jù)的集合 （續(xù)） 對已經(jīng)準備好的數(shù)據(jù)，如何進行基于屬性歸納？ ?AOI方法的第二步： 進行數(shù)據(jù)概化操作，可用兩種方法之一進行： 屬性刪除 ， 屬性概化 。 （續(xù)） ?屬性刪除 基于如下規(guī)則： 若一個屬性有許多不同數(shù)值，且 (a)該屬性無法進行概化操作 （如：沒有定義相應的概念分層），或 (b)它的更高層次概念是用其他屬性描述的 ，則該屬性應當從數(shù)據(jù)集中刪除
法律信息相關推薦
鄂ICP備17016276號-1