数据挖掘-DM3Concept.ppt

* * * * * * * * * * * * * * * * * * * * * * * * * * * * * （1）学习特征规则 数据收集 相关性分析 Sort and select the most relevant dimensions and levels. 面向属性的类描述(AOI) On selected dimension/level 得到主关系表，进行规则析取 用AOI方法找出目标类概念与对比类概念的辨识规则，从而可以对她们进行区分。 Example：区分研究生与大学生，通过属性排除。归纳提升和同步泛化，得到表3－6 ?从表3－6可见，不同的类可以有公共的元组，把这些元组叫做重复元组。【表中所示的重复元组表示出生在江苏、专业是科学、GPA为优秀的学生，可能是也可能不是一个研究生，说明】 关键：同步泛化、重复元组的处理及辨识规则的析取。 重复元组描述的概念不能把目标类和对比类区分开。【为得到一个有效的辨识规则，必须仔细处理这些重复元组，于是有策略8】。 （2）学习辨识规则（类比较） 策略8. （重复元组的处理）：如果在目标类和对比类中有重复元组，则在该元组上做一个标记，表示在最后的辨识规则中不考虑这些元组 经策略8处理后，设泛化阈值为3，进一步泛化Birth_place属性，结果如表3－7所示。表3－7的目标类只有一个未标记元组，对比类中有两个未标记的元组 辨识规则的析取 : 定性的辨识规则 定量的辨识规则 定性的辨识规则 只能包括未标注元组， 其形式为： 【表示一个目标属于目标类的充分条件而非必要条件。满足这些条件的元组必定在目标类中，但目标类中的元组不一定都满足这些条件。】 定量的辨识规则 在许多情况下，重复元组有益于从最终的泛化关系中导出定量规则，它们把每个析取与一个定量（称为d权）联系起来，表示规则的辨识能力。 Class Major Birth Place GPA Count（mark） 研究生 （目标类） 艺术 中国 优秀 35* 科学 中国 优秀 40** 科学 外国 良好 25 大学生 （对比类） 科学 中国 优秀 50** 艺术 中国 一般 70 科学 中国 一般 60 艺术 中国 优秀 20* d(科学、外国、良好)= 25/25*100%=100% 表3-7 Class Major Birth Place GPA Count（mark） 研究生 （目标类） 艺术 中国 优秀 35* 科学 中国 优秀 40** 科学 外国 良好 25 大学生 （对比类） 科学 中国 优秀 50** 艺术 中国 一般 70 科学 中国 一般 60 艺术 中国 优秀 20* d(艺术、中国、优秀)=35/(35+20)*100%=63.63% 表3-7 Class Major Birth Place GPA Count（mark） 研究生 （目标类） 艺术 中国 优秀 35* 科学 中国 优秀 40** 科学 外国 良好 25 大学生 （对比类） 科学 中国 优秀 50** 艺术 中国 一般 70 科学 中国 一般 60 艺术 中国 优秀 20* d(科学、中国、优秀 )=40/(40+50)*100%=44.44% 表3-7 So，graduate的定量辨识规则如下： d_weight在区间[0,1]上，d值大说明概念主要是从目标类中推导出来的，而低的d值标明概念主要是从对比类中推导出来的。任何未标记元组的d值都是100％。 类比较算法步骤： Step1. 收集相关数据，包括目标类和对比类 Step2. 做属性相关分析，去掉非相关或弱相关的属性 Step3. 同步泛化。把目标类和对比类的数据都泛化到指定的概念层次，并对重复元组进行标记。 Step4. 对比结果的描述。（定性或定量的辨识规则的表达） 返回 （3）类别描述（特征描述与类比较相结合） 泛化关系表描述的规则 表示 符号 定量描述用的权重 规则表示的例子 学习特征规则 对被描述类（目标类）的描述 由目标到元组 t_weight 学习辨识规则 对目标类和比较类的比较描述 由元组到目标 d_weight a. AOI两种用法的比较 b. 权值的计算 T_weight的计算：在目标类中做统计 如表3－7所示：t_weight(1)＝35/(35+40+25)=35% t_weight(2)＝40/(35+40+25)=40% t_weight(3)＝25/(35+40+25)=25% ?