數(shù)據(jù)倉(cāng)庫(kù)第七章(存儲(chǔ)版)
【正文】 科學(xué)”專(zhuān)業(yè)，年齡在 26— 30 之間， GPA為良，而只有 ％ 的本科生具有這種性質(zhì)。 注意， qa也可能覆蓋 對(duì)比類(lèi) 的某些元組，因?yàn)槲覀兲幚淼氖?比較描述 。 2. 概念比較描述的表示 (續(xù) ) 一個(gè)確定目標(biāo)類(lèi)的比較描述的 量化區(qū)分規(guī)則 記作： X， target_class(X) condition(X) [d:d_weight] ? ? 2. 概念比較描述的表示 (續(xù) ) ?例 5： 根據(jù)前表中的概化元組和計(jì)數(shù)分布，一個(gè)對(duì)研究生的 量化區(qū)分規(guī)則 可表示如下： X， 學(xué)生類(lèi) (X) =“研究生” 專(zhuān)業(yè) (X)=“科學(xué)” ∧ 年齡區(qū)間 (X)= “ 2125” ∧ GPA(X)=“良” [d: 30%] ? ? 2. 概念比較描述的表示 (續(xù) ) ?注：一個(gè)對(duì)比規(guī)則提供了一個(gè)充分條件，但它不是一個(gè)必要條件。 即是：如果 一個(gè)學(xué)生專(zhuān)業(yè)是科學(xué)，年齡在 21和 25之間，GPA為良，則根據(jù)給定的數(shù)據(jù)，他是研究生的概率為 30%， 是本科生的概率為70%。 設(shè) qa是一個(gè)概化元組， Cj是目標(biāo)類(lèi)。 ?(4)最后， 結(jié)果概念對(duì)比描述 以表、圖或規(guī)則的形式表示。但目標(biāo)類(lèi)和對(duì)比類(lèi)必須是可比較的，即它們具有相似的維或?qū)傩浴? ?（ 2） 用保守的屬性概化閾值進(jìn)行基于屬性的歸納，通過(guò)屬性刪除和屬性概化進(jìn)行預(yù)相關(guān)分析（分析過(guò)程如 例 1）。使用保守AOI得到的關(guān)系稱(chēng)作 候選關(guān)系 。 （續(xù)） 設(shè) S 是訓(xùn)練樣本的集合，其中每個(gè)樣本的 類(lèi)標(biāo)號(hào) 已知，共有 m個(gè)不同類(lèi)別 ,則 S 包含 si個(gè) Ci類(lèi)樣本， i=1， … ， m。前面在挖掘 概念特征 時(shí)，只有一個(gè)被特征化的類(lèi)，即沒(méi)有說(shuō)明對(duì)比類(lèi)。 （續(xù)） ? 包含屬性（維）相關(guān)分析的 類(lèi)特征化 稱(chēng)為 解析特征化 ； ? 包含屬性（維）相關(guān)分析的 類(lèi)比較 稱(chēng)為解析比較 。如果元組已在 P中，則簡(jiǎn)單地增加它的計(jì)數(shù)值并相應(yīng)處理其他聚集值；否則，將它插入 P。這樣可包含較少的不同值。 （續(xù)） ? 4）出生地： 該屬性有大量不同值，因此應(yīng)當(dāng)概化它。如果概化關(guān)系中不同元組的個(gè)數(shù)超過(guò)該閾值，則應(yīng)當(dāng)進(jìn)一步概化；否則，不再進(jìn)一步概化。控制將屬性概化到多高的抽象層通常是相當(dāng)主觀的。為了對(duì)出生地進(jìn)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(jìn)來(lái)。 （續(xù)） ?例 1： 從一個(gè)大學(xué)數(shù)據(jù)庫(kù)的學(xué)生數(shù)據(jù)中挖掘出研究生的一般特征。對(duì)大量數(shù)據(jù)進(jìn)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(jìn)行數(shù)據(jù)概化，被分析的數(shù)據(jù)存放在一個(gè)多維數(shù)據(jù)庫(kù)中，通過(guò)對(duì)多維數(shù)據(jù)立方進(jìn)行上卷或下鉆操作，可完成數(shù)據(jù)概化和數(shù)據(jù)細(xì)化工作。允許數(shù)據(jù)集在多個(gè)抽象層概化，便于考察數(shù)據(jù)的一般行為。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。 概念描述： 是描述式數(shù)據(jù)挖掘最基本形式，它以簡(jiǎn)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(shí)（續(xù)） 大型數(shù)據(jù)庫(kù)的概念描述和數(shù)據(jù)倉(cāng)庫(kù)的 OLAP有何差別？ ?概念描述可處理復(fù)雜的數(shù)據(jù)類(lèi)型和聚集。如：描述中應(yīng)作用哪些維？概化過(guò)程應(yīng)進(jìn)行到哪個(gè)抽象層次上？這些問(wèn)題均是由用戶負(fù)責(zé)提供答案的。 （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(guān)的數(shù)據(jù)集不僅使得挖掘更有效，而且與在整個(gè) DB挖掘相比，能產(chǎn)生更有意義的規(guī)則。 姓名 性別 專(zhuān)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(hào) 05513665678 李哲 男 CS 合肥市 合肥市蕪湖 路 186號(hào) 05513656012 汪燕 女 PH 上海市 上海市高安 路 1250號(hào) 02162381960 初始工作關(guān)系：任務(wù)相關(guān)數(shù)據(jù)的集合 （續(xù)） 對(duì)已經(jīng)準(zhǔn)備好的數(shù)據(jù)，如何進(jìn)行基于屬性歸納？ ?AOI方法的第二步： 進(jìn)行數(shù)據(jù)概化操作，可用兩種方法之一進(jìn)行： 屬性刪除 ， 屬性概化 。 若屬性概化沒(méi)有達(dá)到“足夠高的層次”，則“亞概化”也同樣可能使得到的規(guī)則變得失去意義。 （續(xù)） 例 1（續(xù)）： 對(duì)前面得到的 初始工作關(guān)系的每個(gè)屬性，概化過(guò)程如下： ? 1）姓名： 由于姓名存在大量不同值，并且其上沒(méi)有定義概念分層，該屬性被刪除。但如果假定國(guó)家的取值個(gè)數(shù)小于概化閾值，則出生地應(yīng)當(dāng)概化到出生國(guó)家。 （續(xù)） 概化過(guò)程會(huì)產(chǎn)生一系列內(nèi)容相同的數(shù)據(jù)行，相同內(nèi)容的數(shù)據(jù)行被合并成一個(gè)，并累計(jì)它們的計(jì)數(shù)值。概化元組的插入通過(guò)對(duì)應(yīng)的數(shù)組元素上的度量聚集進(jìn)行。 此外，即使在同一個(gè)維內(nèi)，對(duì)于區(qū)分一個(gè)類(lèi)與其他類(lèi)，在不同的概念層也可能有很不相同的能力。 ? 屬性相關(guān)分析的基本思想： 計(jì)算某種度量，用于量化屬性與給定類(lèi)或概念的相關(guān)性。 其中Sj 包含屬性 A取同一值 aj的數(shù)據(jù)行； Sj包含類(lèi) Ci的 sij個(gè)樣本。其結(jié)果為 初始目標(biāo)類(lèi)（對(duì)比類(lèi)）工作關(guān)系。 為計(jì)算每個(gè)屬性的信息增益，首先用公式 ()計(jì)算對(duì)給定的樣本分類(lèi)所需要的
法律信息相關(guān)推薦
鄂ICP備17016276號(hào)-1