數(shù)據(jù)倉庫第七章(參考版)
2025-03-11 09:06本頁面
【正文】 演講完畢，謝謝觀看！ 。 2. 概念比較描述的表示 (續(xù) ) 一個確定目標類的比較描述的 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數(shù)分布，一個對研究生的 量化區(qū)分規(guī)則 可表示如下： X， 學生類 (X) =“研究生” 專業(yè) (X)=“科學” ∧ 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：一個對比規(guī)則提供了一個充分條件，但它不是一個必要條件。 即是：如果 一個學生專業(yè)是科學，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%。 高 d權(quán) 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(quán)表明 概念主要從對比類導出 。形式上， qa關(guān)于 Cj的 d權(quán) 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(shù)， Cj在 {C1,…,C m}中 ,而 count(qa∈ Cj)是類Cj中被 qa覆蓋的元組數(shù)。 注意， qa也可能覆蓋 對比類 的某些元組，因為我們處理的是 比較描述 。 設(shè) qa是一個概化元組， Cj是目標類。 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。除邏輯規(guī)則外，其他形式與概念 特征化 所用形式相同。例如， ％ 的研究生選擇“科學”專業(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)。 ?(4)最后， 結(jié)果概念對比描述 以表、圖或規(guī)則的形式表示。如 姓名 ，性別 ， 出生地 ， 居住地 和 電話 ，只留下與挖掘任務(wù)密切相關(guān)的屬性供后面的分析使用。 ?(1)根據(jù)挖掘任務(wù)，產(chǎn)生兩條 DB查詢命令，分別用于從 DB中獲取 初始目標數(shù)據(jù)集 （研究生）和 初始對比數(shù)據(jù)集 （本科生）。 ?概念 比較的一般過程如下： （ 1）數(shù)據(jù)收集 （ 2）屬性相關(guān)分析 （ 3）同步概化 （ 4）挖掘結(jié)果表示 （續(xù)） ?例 3： 在大學數(shù)據(jù)庫中挖掘研究生與本科生概念對比描述知識。但目標類和對比類必須是可比較的，即它們具有相似的維或?qū)傩浴? ?（ 4） 最后利用前述算法對 初始目標類工作關(guān)系 進行基于屬性的歸納，并獲得研究生目標類的概念描述。 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(guān)的，它們同時從 目標類 和 對比類 中被刪除。設(shè)： C1對應(yīng)于研究生類，有 120個樣本； C2對應(yīng)于本科生類，有 130個樣本。 ?（ 2） 用保守的屬性概化閾值進行基于屬性的歸納，通過屬性刪除和屬性概化進行預(yù)相關(guān)分析（分析過程如 例 1）。執(zhí)行步驟為： ?（ 1） 收集 目標類數(shù)據(jù) ，它由研究生的集合組成。 ?(4)使用 AOI產(chǎn)生概念描述 :使用一組不太保守的屬性概化閾值進行 AOI。根據(jù)計算的屬性與數(shù)據(jù)挖掘任務(wù)的相關(guān)性，對屬性排序，然后刪除不相關(guān)和弱相關(guān)屬性。使用保守AOI得到的關(guān)系稱作 候選關(guān)系 。 （續(xù)） 概念描述 的屬性相關(guān)分析，執(zhí)行步驟如下： ?(1)數(shù)據(jù)收集： 通過查詢處理，收集目標類和對比類的數(shù)據(jù)。 ? ?sssssssI imiim 2121 log, ????? （續(xù)） 根據(jù)屬性 A的取值對當前數(shù)據(jù)集劃分所獲得的信息就稱為屬性 A的熵。一個決策樹可用于對數(shù)據(jù)對象進行分類 ,因此決策樹可以看成是 Ci的一個信息源 ,為產(chǎn)生相應(yīng)信息需要的信息熵為： （續(xù)） () 若屬性 A的取值為 {a1， a2， … ， av}， 且該屬性用作決策樹的一個結(jié)點時，可將S 劃分為子集 {S1， S2， … ， Sv }。 （續(xù)） 設(shè) S 是訓練樣本的集合，其中每個樣本的 類標號 已知，共有 m個不同類別 ,則 S 包含 si個 Ci類樣本， i=1， … ， m。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。這些度量包括：信息增益， Gini索引，不確定性和相關(guān)系數(shù)。在這種情況下，除特征化的數(shù)據(jù)集外， DB中可比較的數(shù)據(jù)集都作為對比類。前面在挖掘 概念特征 時，只有一個被特征化的類，即沒有說明對比類。 （續(xù)） 屬性的相關(guān)性要根據(jù)屬性區(qū)分一個類與其他類的能力來評估。 （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(guān)；而只有年齡區(qū)間可能與雇員的工資高度相關(guān)。
法律信息相關(guān)推薦
鄂ICP備17016276號-1