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 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 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） 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. 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 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%) 类比较挖掘——示例（1） 任务 挖掘描述BigUniversity本科生和研究生的类比较 任务的DMQL描述 use Big_University_DB mine comparison as “grad_vs_undergrad_students” in relevance to name, gender, major, birth_place, birth_date, residence, phone#, gpa for “graduate_students” where status in “graduate” versus “undergraduate_students” where status in “undergraduate” analyze count% from student 类比较挖掘——示例（2） 进行类比较挖掘的输入： 给定的属性：name, gender, major, birth_place, birth_date, residence, phone# and gpa 在属性ai上定义的概念分层 Gen(ai) 在属性ai上定义的属性分析阈值 Ui 在属性ai上定义的属性泛化阈值Ti 属性相关性阈值R 类比较挖掘——示例（3） 任务的处理过程 数据收集 DMQL查询转化为关系查询，得到初始目标类工作关系和初始对比类工作关系 可以看成使构造数据立方体的过程 引入一个新维status来标志目标类和对比类（graduate, undergraduate） 其他属性形成剩余的维 在两个数据类上进行维相关分析 删除不相关或者使弱相关的维：name, gender, major, phone# 类比较挖掘——示例（4） 同步泛化 在目标类和对比类上同步的进行泛化，将相关的维泛化到由维阈值控制的层，形成主目标类 关系/方体 和主对比类 关系/方体 导出比较的表示 用表、图或规则等形式表达类比较描述的挖掘结果 用户应该能够在主目标类 关系/方体 和主对比类 关系/方体进行进一步的OLAP操作 类比较挖掘——示例（5） 目标类的主泛化关系: 研究生