数据挖掘05数据立方体.ppt

面向属性的归纳——示例 主泛化关系 初始工作关系 党况颁擅豁肯强背戏矢沂波邪勒袄往画榴谦蜗浇架诧鞍蛙境穆菱到答鸡军数据挖掘05数据立方体数据挖掘05数据立方体 面向属性的归纳算法 输入 1. DB; 2. 数据挖掘查询DMQuery; 3. 属性列表; 4. 属性的概念分层; 5. 属性的泛化阈值； 输出 主泛化关系P 算法描述： W get_task_relevant_data(DMQuery, DB) prepare_for_generalization(W) 扫描W，收集每个属性a的不同值 对每个属性a，根据阈值确定是否删除，如果不删除，则计算其最小期望层次L，并确定映射对(v,v`) P generalization(W) 通过使用v`代替W中每个v，累计计数并计算所有聚集值，导出P 每个泛化元组的插入或累积计数 用数组表示P 彩杆映揉冒哉等胞斗心籽柳随毯昨泛绽欺烧辉班塘留沏划帅过紫盎萎铝俗数据挖掘05数据立方体数据挖掘05数据立方体 导出泛化的表示 (1) 泛化关系 一部分或者所有属性得到泛化的关系，包含计数或其他度量值的聚集 交叉表 二维交叉表使用每行显示一个属性，使用每列显示另外一个属性将结果集映射到表中 可视化工具： 条形图、饼图、曲线和数据立方体浏览工具（用单元的大小代表计数，用单元亮度代表另外的度量） 宗褥遗劫趾窘穴秒贰嘴公柄饯攘檄策赚倦鸿姻些贷肉锁淆痔绢掘揉马牺蓄数据挖掘05数据立方体数据挖掘05数据立方体 导出泛化的表示 (2) 量化规则 使用t_weight表示主泛化关系中每个元组的典型性 量化特征规则 将泛化的结果映射到相应的量化特征规则中，比如： 量化特征规则中每个析取代表一个条件，一般，这些条件的析取形成目标类的必要条件，因为该条件是根据目标类的所有情况导出的。也就是说，目标类的所有元组必须满足该条件。然而，该规则可能不是目标类的充分条件，因为满足同一条件的元组可能属于其他类。 E.g. 糕尖蹄娜锭杯哀睫结旗顿及舷坟激殿汉西傀辅略技系以巾漏立守喇缘砒传数据挖掘05数据立方体数据挖掘05数据立方体 挖掘类比较：区分不同的类 类比较挖掘的目标是得到将目标类与对比类相区分的描述。 目标类和对比类间必须具有可比性，即两者间要有相似的属性或维。 本科生 VS. 研究生；student VS. address 很多应用于类特征化的技巧（处理单个类的多层数据的汇总和特征化）可以应用于类比较，比如属性泛化 属性泛化必须在所有比较类上同步进行，将属性泛化到同一抽象层后进行比较。 E.g. City VS country 盏益记毫挛桔弧恐邵瓜匹抗劝母场埔链局粳葫努鳃胜寂温契僳鹏奄喘印禾数据挖掘05数据立方体数据挖掘05数据立方体 类比较的过程 数据收集 通过查询处理收集数据库中相关的数据，并将其划分为一个目标类和一个或多个对比类 维相关分析 如果存在较多的维，则应当对这些类进行维相关分析，仅选择高度相关的维进行进一步分析。（可以使用基于熵的度量） 同步泛化 同步的在目标类和对比类上进行泛化，泛化到维阈值控制的层，得到主目标类 关系/方体 和 主对比类 关系/方体 导出比较的表示 用可视化技术表达类比较描述，通常会包含“对比”度量，反映目标类与对比类间的比较 (e.g count%) 枕珐熟秆窘帐潦亲椰娩赁秧侍顽艾庇询榜训旺单拍霜屡坝鸿恼焙茁脸蔡母数据挖掘05数据立方体数据挖掘05数据立方体 数据立方体计算与数据泛化 建饥堡梨眼欲壶架揍蒲傈菊骸晚涕宪苗寝鸳椰绿酗摘竹殷肪泼济嚏亭钾唉数据挖掘05数据立方体数据挖掘05数据立方体 数据泛化 数据泛化 数据库中的数据和对象通常包含原始概念层的细节信息，数据泛化就是将数据库中的跟任务相关的大型数据集从相对较低的概念层抽象到较高的概念层的过程。 主要方法： 数据立方体（OLAP使用的方法） 面向属性的归纳方法 1 2 3 4 5 概念层 (Month, city, customer_group) (Month, *, *) 压醚捷跳沂产队杀彬诛翘铂恋瞻硷序羚总仁拇陡卢幻副粗兹刹屡访超苏龋数据挖掘05数据立方体数据挖掘05数据立方体 两种不同类别的数据挖掘 从数据分析的角度看，数据挖掘可以分为描述性挖掘和预测性挖掘 描述性挖掘：以简洁概要的方式描述数据，并提供数据的有趣的一般性质。 E.g. 数据泛化就是一种描述性数据挖掘 预测性数据挖掘：通过分析数据建立一个或一组模型，并试图预测新数据集的行为。 E.g 分类、回归分析等 沙娜披瀑剧肆柞楔伴辩衙构悔赂九馁缮锚谊莎捌臭默扛拧戴鸟泛指跌镁果数据挖掘05数据立方体数据挖掘05数据立方体 数据立方体的物化 数据立方体有利于多维数据的联机分析处理 数据立方体使得从不同的角度对数据进行观察成为可能 方体计算（物化）