【正文】 將它們概化到較高的抽象層。在這些屬性中，用戶或許只考慮了城市屬性。這自然就減少了概化后數據集的大小，所獲結果以圖表、規(guī)則等多種不同形式提供給用戶。 第七章 概念描述 概念描述基本知識 數據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 數據概化與基于匯總的 特征化 數據概化是一個分析過程，它將 DB中與任務相關的大數據集從較低的概念層抽象到較高的概念層。給定存放在 DB中的大量數據，能夠以簡潔的形式在更一般的抽象層描述數據是很有用的。這種描述可提供 某類數據的概貌 以及 與其他數據類的區(qū)別 。 概念描述基本知識（續(xù)） 概念描述的組成： ?特征化 ：提供了一個有關數據整體的簡潔清晰描述。 ?概念描述是自動處理數據挖掘過程。 基本思想： 首先使用 RDB查詢收集任務相關的數據；然后通過考察任務相關數據中每個屬性的不同值的個數，進行概化。 對用戶而言，指定挖掘的屬性可能比較困難。 （續(xù)） ?屬性刪除 基于如下規(guī)則： 若一個屬性有許多不同數值，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 ，則該屬性應當從數據集中刪除。 因此 在基于屬性歸納時， 掌握概化平衡 非常重要。 ? 2）性別： 由于性別只有兩個不同值，該屬性保留，并不對其進行概化。 （續(xù)） ? 5）出生日期： 假定存在概念分層，可以將出生日期概化到年齡，而年齡概化到年齡分類，并且年齡分類的區(qū)間數小于對應的屬性概化閾值，則應當對出生日期進行概化。最終結果如下表： 性別 專業(yè) 出生國 年齡區(qū)間 出生城市 GPA 累計 男 科學 中國 20— 25 合肥 良好 16 女 工程 中國 25— 30 上海 優(yōu)秀 22 對初始關系的數據進行基于屬性歸納得到的廣義關系： ? 算法： 基于屬性的歸納 ? 輸入 ： (1)關系 DB； (2)數據挖掘命令 DMQuery； (3)屬性表 a_list； (4)屬性 ai上的概念分層或概化操作符的集合 Gen(a)； (5)每個屬性 ai概化 閾值 a_gen_thresh(a) (續(xù) ) ? 輸出： 主概化關系 P（包含基于 a_list屬性集的一個定性概念描述） ? 方法： (1)W←get_task_relevant_data(DMQuery , DB)； //工作關系 W存放任務相關的數據 (2)prepare_for_generalization(W)//該步實現如下 : (續(xù) ) (a)掃描 W，收集每個 ai屬性取不同值的個數。 基于屬性歸納方法的挖掘結果可以有多種輸出表示形式。 （續(xù)） ?例： 在出生日維中，生日和生月都不太可能與雇員的工資相關；而只有年齡區(qū)間可能與雇員的工資高度相關。這些度量包括：信息增益， Gini索引，不確定性和相關系數。 ? ?sssssssI imiim 2121 log, ????? （續(xù)） 根據屬性 A的取值對當前數據集劃分所獲得的信息就稱為屬性 A的熵。 ?(4)使用 AOI產生概念描述 :使用一組不太保守的屬性概化閾值進行 AOI。 屬性 性別 ()和 出生國 () 的信息增益小于該閾值，因此被認為是弱相關的，它們同時從 目標類 和 對比類 中被刪除。 ?(1)根據挖掘任務，產生兩條 DB查詢命令，分別用于從 DB中獲取 初始目標數據集 （研究生）和 初始對比數據集 （本科生）。除邏輯規(guī)則外，其他形式與概念 特征化 所用形式相同。形式上， qa關于 Cj的 d權 定義為： ? ? ? ???? ???miJJa Cqcou ntCqcou ntweigh td a1 2. 概念比較描述的表示 (續(xù) ) 其中， m是目標類和對比類的總數， Cj在 {C1,…,C m}中 ,而 count(qa∈ Cj)是類Cj中被 qa覆蓋的元組數。 演講完畢，謝謝觀看！ 。 高 d權 的目標類表明被概化元組代表的 概念主要從目標類導出 ；而 低 d權表明 概念主要從對比類導出 。 2. 概念比較描述的表示 (續(xù) ) 比較描述中的 目標類 和 對比類 的區(qū)分特性，可以用 量化區(qū)分規(guī)則 量化地描述。如 姓名 ，性別 ， 出生地 ， 居住地 和 電話 ，只留下與挖掘任務密切相關的屬性供后面的分析使用。 ?（ 4） 最后利用前述算法對 初始目標類工作關系 進行基于屬性的歸納，并獲得研究生目標類的概念描述。執(zhí)行步驟為： ?（ 1） 收集 目標類數據 ，它由研究生的集合組成。 （續(xù)） 概念描述 的屬性相關分析，執(zhí)行步驟如下： ?(1)數據收集： 通過查詢處理，收集目標類和對比類的數據。該方法刪除信息量較少的屬性，收集信息較多的屬性，用于概念描述分析。 （續(xù)） 屬性的相關性要根據屬性區(qū)分一個類與其他類的能力來評估。 （