第七章 概念描述特征化和比較.

1、第七章第七章 概念描述：特征化和比較概念描述：特征化和比較o數(shù)據(jù)挖掘可以分成兩類數(shù)據(jù)挖掘可以分成兩類n描述性數(shù)據(jù)挖掘描述性數(shù)據(jù)挖掘:以簡潔概要的方式描述數(shù)據(jù)，以簡潔概要的方式描述數(shù)據(jù)，并提供數(shù)據(jù)的有趣的一般性質(zhì)。并提供數(shù)據(jù)的有趣的一般性質(zhì)。n預(yù)測性數(shù)據(jù)挖掘預(yù)測性數(shù)據(jù)挖掘:分析數(shù)據(jù)，建立一個或一組模分析數(shù)據(jù)，建立一個或一組模型，并試圖預(yù)測新數(shù)據(jù)集的行為。型，并試圖預(yù)測新數(shù)據(jù)集的行為。概念描述概念描述o對于大量的細(xì)節(jié)數(shù)據(jù)，希望以簡潔的描述形式（不對于大量的細(xì)節(jié)數(shù)據(jù)，希望以簡潔的描述形式（不同的粒度、不同的角度等）觀察匯總的數(shù)據(jù)集。需同的粒度、不同的角度等）觀察匯總的數(shù)據(jù)集。需要給出這種數(shù)據(jù)一個要給

2、出這種數(shù)據(jù)一個描述以概括出固有的特性，描述以概括出固有的特性，這這種描述性數(shù)據(jù)挖掘稱為種描述性數(shù)據(jù)挖掘稱為概念描述。概念描述。o概念描述概念描述: n特征化特征化:對所選擇的數(shù)據(jù)給出一個簡單明了的描述對所選擇的數(shù)據(jù)給出一個簡單明了的描述n比較比較:提供對于兩個或以上數(shù)據(jù)進(jìn)行比較的結(jié)果提供對于兩個或以上數(shù)據(jù)進(jìn)行比較的結(jié)果o數(shù)據(jù)概化：將大量的相關(guān)數(shù)據(jù)從一個較低的概念層數(shù)據(jù)概化：將大量的相關(guān)數(shù)據(jù)從一個較低的概念層次轉(zhuǎn)化到一個比較高的層次。比如從南京轉(zhuǎn)換到江次轉(zhuǎn)化到一個比較高的層次。比如從南京轉(zhuǎn)換到江蘇，江蘇轉(zhuǎn)換到華東地區(qū)等蘇，江蘇轉(zhuǎn)換到華東地區(qū)等nOLAPn面向?qū)傩缘臍w納面向?qū)傩缘臍w納方法一、方法一

3、、 OLAPo在數(shù)據(jù)立方體上進(jìn)行計算和存儲結(jié)果在數(shù)據(jù)立方體上進(jìn)行計算和存儲結(jié)果n比如顧客維選比如顧客維選年收入、年齡、職業(yè)；年收入、年齡、職業(yè)；產(chǎn)品維選產(chǎn)品維選彩屏手機(jī)；彩屏手機(jī)；時間維時間維選選2003，一季度，一季度n用用OLAP就能分析它們之間的一些關(guān)系，例如回答在一就能分析它們之間的一些關(guān)系，例如回答在一季度買彩屏手機(jī)的人什么樣的類型的最多，約占的百分季度買彩屏手機(jī)的人什么樣的類型的最多，約占的百分比是多少？比是多少？o優(yōu)點優(yōu)點n效率高，能夠計算多種匯總?cè)纾盒矢?，能夠計算多種匯總?cè)纾篶ount, average, sum, min, max，還可以使用，還可以使用roll-down和

4、和roll-up操作。操作。o限制限制n維維和和度量度量的數(shù)據(jù)類型有限，維現(xiàn)在一般是非數(shù)值的，度的數(shù)據(jù)類型有限，維現(xiàn)在一般是非數(shù)值的，度量是數(shù)值的，一般也只能是量是數(shù)值的，一般也只能是數(shù)據(jù)的簡單匯總。方法二、面向?qū)傩缘臍w納o步驟：步驟：n數(shù)據(jù)聚焦數(shù)據(jù)聚焦:選擇和當(dāng)前分析相關(guān)的數(shù)據(jù)，包括維。選擇和當(dāng)前分析相關(guān)的數(shù)據(jù)，包括維。n屬性移除屬性移除: 如果某個屬性包含大量不同值，但是如果某個屬性包含大量不同值，但是1）在該屬性上沒有概化操作，或者）在該屬性上沒有概化操作，或者2）它的較高層概念用其它屬性表示。）它的較高層概念用其它屬性表示。n屬性概化屬性概化:如果某個屬性包含大量不同值，同時在該屬性如

5、果某個屬性包含大量不同值，同時在該屬性上有概化操作符（比如求和等），則運用該操作符進(jìn)行上有概化操作符（比如求和等），則運用該操作符進(jìn)行概化。概化。n屬性概化閾值控制屬性概化閾值控制: 可以設(shè)一個缺省的或可以指定的可以設(shè)一個缺省的或可以指定的閾閾值，值，在不同的屬性值個數(shù)少于該值后則停止進(jìn)一步概化。在不同的屬性值個數(shù)少于該值后則停止進(jìn)一步概化。o例子：比如地區(qū)維度分為省、市、區(qū)、街道閾值為例子：比如地區(qū)維度分為省、市、區(qū)、街道閾值為40，則大約在地區(qū)維度要概化到省一級則大約在地區(qū)維度要概化到省一級2、例，在下面的初始工作表上做屬性歸納、例，在下面的初始工作表上做屬性歸納姓名姓名性別性別專業(yè)專業(yè)籍

6、貫籍貫出身日期出身日期信用情況信用情況電話電話學(xué)歷學(xué)歷張明張明男男計算機(jī)計算機(jī)南京南京79。01良良4316111本本李枚李枚女女生物生物蘇州蘇州76。02優(yōu)優(yōu)4315111研研李山李山男男高分子化學(xué)高分子化學(xué)鹽城鹽城80。02中中4315808本本.王民王民男男通信工程通信工程鎮(zhèn)江鎮(zhèn)江80。04一般一般4315807本本對于每個屬性，概化討論如下：對于每個屬性，概化討論如下：1）姓名、電話：姓名、電話：該屬性的值有許多，并且無概化操作，屬性刪除該屬性的值有許多，并且無概化操作，屬性刪除2）性別：性別：屬性可取的值屬性可取的值2個，屬性保留不概化個，屬性保留不概化3）專業(yè)：專業(yè)：假定假定我們事

7、先已定義了一個概念分層，可以將專業(yè)概化到我們事先已定義了一個概念分層，可以將專業(yè)概化到藝術(shù)、藝術(shù)、 化學(xué)、機(jī)械、通信、信息、化學(xué)、機(jī)械、通信、信息、.，所以可被概化，所以可被概化4）籍貫：籍貫：此表以城市為單位，已無法概化，值不算太多，保留此表以城市為單位，已無法概化，值不算太多，保留5）出生日期：出生日期：假定存在概念分層，首先概化到年齡，再到年齡段假定存在概念分層，首先概化到年齡，再到年齡段6）信用：信用：假定有假定有優(yōu)、良、中、一般、差優(yōu)、良、中、一般、差的分層，可以概化的分層，可以概化7）學(xué)歷：學(xué)歷：可以按可以按博士生、碩士生、本科生博士生、碩士生、本科生概化概化概化過程將產(chǎn)生相等的元

8、組，相等的元組歸為一類并給出計數(shù)概化過程將產(chǎn)生相等的元組，相等的元組歸為一類并給出計數(shù)性別性別專業(yè)專業(yè)籍貫籍貫?zāi)挲g段年齡段信用情況信用情況計數(shù)計數(shù)男男信息信息南京南京19-22良良10女女信息信息南京南京19-22優(yōu)優(yōu)9男男化學(xué)化學(xué)鹽城鹽城19-22中中4.男男通信通信鎮(zhèn)江鎮(zhèn)江22-25一般一般1學(xué)歷學(xué)歷本本研研本本.本本此處，計數(shù)看成度量，其它看成維此處，計數(shù)看成度量，其它看成維概化結(jié)果的表示概化結(jié)果的表示o表格表格地區(qū)地區(qū)產(chǎn)品類別產(chǎn)品類別銷售額銷售額(千萬）千萬） countcount（千）（千）江蘇江蘇電視電視15300300浙江浙江電視電視12250250廣東廣東電視電視1845045

9、0江蘇江蘇電腦電腦12010001000浙江浙江電腦電東廣東電腦電腦20018001800概化結(jié)果的表示概化結(jié)果的表示o二維交叉表二維交叉表地區(qū)地區(qū)電視電視電腦電腦產(chǎn)品類累計產(chǎn)品類累計江蘇江蘇浙江浙江廣東廣東地區(qū)合計地區(qū)合計count金額金額count銷量銷量count銷量銷量30015130013510001202501214501601200150450282250228180020010005550005254000470概化結(jié)果的表示概化結(jié)果的表示o可視化方法可視化方法電視銷售電視銷售 餅圖餅圖概化結(jié)果的表示概化結(jié)果的表示o量化特征規(guī)則量化特征規(guī)則n概化關(guān)系可

10、以用邏輯規(guī)則的形式表示，典型的概化關(guān)系可以用邏輯規(guī)則的形式表示，典型的是概化的元組代表一個規(guī)則的析取。是概化的元組代表一個規(guī)則的析取。n若單個概化元組不能代表工作關(guān)系中的所有元若單個概化元組不能代表工作關(guān)系中的所有元組，則規(guī)則應(yīng)當(dāng)帶上量化信息，用滿足規(guī)則的組，則規(guī)則應(yīng)當(dāng)帶上量化信息，用滿足規(guī)則的左部和滿足規(guī)則右部的元組所占的百分比表示。左部和滿足規(guī)則右部的元組所占的百分比表示。帶有量化信息的邏輯規(guī)則稱為帶有量化信息的邏輯規(guī)則稱為量化規(guī)則量化規(guī)則。nt_權(quán)興趣度度量權(quán)興趣度度量:描述規(guī)則中每個析取或?qū)?yīng)概描述規(guī)則中每個析取或?qū)?yīng)概化關(guān)系的每個元組的化關(guān)系的每個元組的典型性典型性。t-權(quán)o定義：定

11、義：設(shè)待特化的（或由規(guī)則描述的）對象類為設(shè)待特化的（或由規(guī)則描述的）對象類為目目標(biāo)類標(biāo)類， qa是一個描述目標(biāo)類的概化元組。是一個描述目標(biāo)類的概化元組。 qa的的t_權(quán)權(quán)是來自初始工作關(guān)系集合中被是來自初始工作關(guān)系集合中被qa涵蓋的目標(biāo)類元組涵蓋的目標(biāo)類元組的百分比。形式上為：的百分比。形式上為：o其中：其中：n是概化關(guān)系中目標(biāo)類元組的個數(shù)，是概化關(guān)系中目標(biāo)類元組的個數(shù)，q1,.,qn是概化關(guān)系中目標(biāo)類的元組，是概化關(guān)系中目標(biāo)類的元組， qa在在q1,.,qn中。顯然，中。顯然，t_權(quán)的取值區(qū)間為權(quán)的取值區(qū)間為0.0,1.0或或0%,100%。n1iia)count(q)count(q_ 權(quán)t

12、地區(qū)地區(qū)產(chǎn)品類別產(chǎn)品類別銷售額銷售額(千萬）千萬） countcount（千）（千）江蘇江蘇電腦電腦12010001000浙江浙江電腦電東廣東電腦電腦20018001800例子例子 假設(shè)初始工作集合，地區(qū)是假設(shè)初始工作集合，地區(qū)是南京、鎮(zhèn)江、南京、鎮(zhèn)江、，產(chǎn)品類產(chǎn)品類別是別是電腦電腦的元組全部概化在第一個概化元組中，共有的元組全部概化在第一個概化元組中，共有1000個元組。該概化元組的個元組。該概化元組的t_權(quán)是：權(quán)是：%25100*1800120010001000_權(quán)t規(guī)則描述形式規(guī)則描述形式:)(.:)()(_arg,11mmwtxconditionwtxcond

13、itionxclassettx地區(qū)地區(qū)產(chǎn)品類別產(chǎn)品類別銷售額銷售額(千萬）千萬） countcount（千）（千）江蘇江蘇電腦電腦12010001000浙江浙江電腦電東廣東電腦電腦20018001800例：例：%45: ) )(%30:)(%25: ) )(,txtxtxx廣東地區(qū)浙江地區(qū)江蘇地區(qū)電腦產(chǎn)品類例：例：有部分學(xué)生在圖書館借閱了有部分學(xué)生在圖書館借閱了大趨勢大趨勢這本書，想通過這本書，想通過數(shù)據(jù)挖掘技術(shù)發(fā)現(xiàn)這部分學(xué)生具有什么樣的特征。其基本關(guān)數(shù)據(jù)挖掘技術(shù)發(fā)現(xiàn)這部分學(xué)生具有什么樣的特征。其基本關(guān)系表是：系表是：學(xué)號學(xué)號姓名姓名系別系別書名書名借閱日期借閱日期9

14、9320079932007顏立顏立經(jīng)濟(jì)經(jīng)濟(jì)大趨勢大趨勢2000.3.162000.3.1698330909833090王家衛(wèi)王家衛(wèi)金融金融大趨勢大趨勢2000.3.162000.3.1698131059813105王向東王向東醫(yī)學(xué)院醫(yī)學(xué)院大趨勢大趨勢2000.5.82000.5.898220419822041劉偉劉偉歷史歷史大趨勢大趨勢2000.6.302000.6.3099280739928073朱小明朱小明企管企管大趨勢大趨勢2000.5.202000.5.2099320569932056陳立業(yè)陳立業(yè)經(jīng)濟(jì)經(jīng)濟(jì)大趨勢大趨勢2000.9.192000.9.1999231439923143劉英劉

15、英新聞新聞大趨勢大趨勢2000.12.32000.12.3學(xué)號學(xué)號姓名姓名系別系別書名書名借閱日期借閱日期99320079932007顏立顏立經(jīng)濟(jì)經(jīng)濟(jì)大趨勢大趨勢2000.3.162000.3.1698330909833090王家衛(wèi)王家衛(wèi)金融金融大趨勢大趨勢2000.3.162000.3.1698131059813105王向東王向東醫(yī)學(xué)院醫(yī)學(xué)院大趨勢大趨勢2000.5.82000.5.898220419822041劉偉劉偉歷史歷史大趨勢大趨勢2000.6.302000.6.3099280739928073朱小明朱小明企管企管大趨勢大趨勢2000.5.202000.5.2099320569932

16、056陳立業(yè)陳立業(yè)經(jīng)濟(jì)經(jīng)濟(jì)大趨勢大趨勢2000.9.192000.9.1999231439923143劉英劉英新聞新聞大趨勢大趨勢2000.12.32000.12.3概化層次：系別概化層次：系別文科文科 商學(xué)院商學(xué)院 - - 經(jīng)濟(jì)，金融，企管，會計，國貿(mào)經(jīng)濟(jì)，金融，企管，會計，國貿(mào)文科文科 文學(xué)院文學(xué)院 - - 中文，新聞，信管，歷史，哲學(xué)中文，新聞，信管，歷史，哲學(xué)理科理科 醫(yī)學(xué)院醫(yī)學(xué)院理科理科 理學(xué)院理學(xué)院 - - 數(shù)學(xué)，天文，物理數(shù)學(xué)，天文，物理（文，商學(xué)院）（文，商學(xué)院）（文，商學(xué)院）（文，商學(xué)院）（理，醫(yī)學(xué)院）（理，醫(yī)學(xué)院）（文，商學(xué)院）（文，商學(xué)院）（文，文學(xué)院）（文，文學(xué)院）（文

17、，商學(xué)院）（文，商學(xué)院）（文，文學(xué)院）（文，文學(xué)院）學(xué)號學(xué)號姓名姓名系別系別書名書名借閱日期借閱日期99320079932007顏立顏立經(jīng)濟(jì)經(jīng)濟(jì)大趨勢大趨勢2000.3.162000.3.1698330909833090王家衛(wèi)王家衛(wèi)金融金融大趨勢大趨勢2000.3.162000.3.1698131059813105王向東王向東醫(yī)學(xué)院醫(yī)學(xué)院大趨勢大趨勢2000.5.82000.5.898220419822041劉偉劉偉歷史歷史大趨勢大趨勢2000.6.302000.6.3099280739928073朱小明朱小明企管企管大趨勢大趨勢2000.5.202000.5.2099320569932056

18、陳立業(yè)陳立業(yè)經(jīng)濟(jì)經(jīng)濟(jì)大趨勢大趨勢2000.9.192000.9.1999231439923143劉英劉英新聞新聞大趨勢大趨勢2000.12.32000.12.3（文，商學(xué)院）（文，商學(xué)院）（文，商學(xué)院）（文，商學(xué)院）（理，醫(yī)學(xué)院）（理，醫(yī)學(xué)院）（文，商學(xué)院）（文，商學(xué)院）（文，商學(xué)院）（文，商學(xué)院）（文，文學(xué)院）（文，文學(xué)院）系別系別書名書名借閱次數(shù)借閱次數(shù)商學(xué)院商學(xué)院大趨勢大趨勢4 4文學(xué)院文學(xué)院大趨勢大趨勢2 2醫(yī)學(xué)院醫(yī)學(xué)院大趨勢大趨勢1 1依據(jù)借閱次依據(jù)借閱次數(shù)的多少來數(shù)的多少來決定是否為決定是否為噪聲數(shù)據(jù)噪聲數(shù)據(jù)概化關(guān)系表一（按學(xué)院）概化關(guān)系表一（按學(xué)院）（文，文學(xué)院）（文，文學(xué)院）概

19、化關(guān)系表二（按學(xué)科）概化關(guān)系表二（按學(xué)科）系別系別書名書名借閱次數(shù)借閱次數(shù)商學(xué)院商學(xué)院大趨勢大趨勢4 4文學(xué)院文學(xué)院大趨勢大趨勢2 2醫(yī)學(xué)院醫(yī)學(xué)院大趨勢大趨勢1 1系別系別書名書名借閱次數(shù)借閱次數(shù)文科文科大趨勢大趨勢6 6理科理科大趨勢大趨勢1 1概化關(guān)系表一（按學(xué)院）概化關(guān)系表一（按學(xué)院）學(xué)號學(xué)號姓名姓名系別系別書名書名借閱日期借閱日期99320079932007顏立顏立經(jīng)濟(jì)經(jīng)濟(jì)大趨勢大趨勢2000.3.162000.3.1698330909833090王家衛(wèi)王家衛(wèi)金融金融大趨勢大趨勢2000.3.162000.3.1698131059813105王向東王向東醫(yī)學(xué)院醫(yī)學(xué)院大趨勢大趨勢2000

20、.5.82000.5.898220419822041劉偉劉偉歷史歷史大趨勢大趨勢2000.6.302000.6.3099280739928073朱小明朱小明企管企管大趨勢大趨勢2000.5.202000.5.2099320569932056陳立業(yè)陳立業(yè)經(jīng)濟(jì)經(jīng)濟(jì)大趨勢大趨勢2000.9.192000.9.1999231439923143劉英劉英新聞新聞大趨勢大趨勢2000.12.32000.12.3如果定義噪聲數(shù)據(jù)的閥值是如果定義噪聲數(shù)據(jù)的閥值是1 1（記錄數(shù)為（記錄數(shù)為1 1），則：），則：根據(jù)根據(jù)基本關(guān)系表一基本關(guān)系表一發(fā)現(xiàn)的特征規(guī)則是：發(fā)現(xiàn)的特征規(guī)則是：借閱借閱大趨勢大趨勢一書的是一書的是

21、經(jīng)濟(jì)系經(jīng)濟(jì)系的學(xué)生的學(xué)生如果定義噪聲數(shù)據(jù)的閥值是如果定義噪聲數(shù)據(jù)的閥值是1 1（記錄數(shù)為（記錄數(shù)為1 1），則：），則：根據(jù)根據(jù)基本關(guān)系表一基本關(guān)系表一發(fā)現(xiàn)的特征規(guī)則是：發(fā)現(xiàn)的特征規(guī)則是：借閱借閱大趨勢大趨勢一書的是一書的是經(jīng)濟(jì)系經(jīng)濟(jì)系的學(xué)生的學(xué)生根據(jù)根據(jù)概括關(guān)系表一概括關(guān)系表一發(fā)現(xiàn)的特征規(guī)則是：發(fā)現(xiàn)的特征規(guī)則是：借閱借閱大趨勢大趨勢一書的是一書的是商學(xué)院商學(xué)院的學(xué)生的學(xué)生借閱借閱大趨勢大趨勢一書的是一書的是文學(xué)院文學(xué)院的學(xué)生的學(xué)生系別系別書名書名借閱次數(shù)借閱次數(shù)商學(xué)院商學(xué)院大趨勢大趨勢4 4文學(xué)院文學(xué)院大趨勢大趨勢2 2醫(yī)學(xué)院醫(yī)學(xué)院大趨勢大趨勢1 1如果定義噪聲數(shù)據(jù)的閥值是如果定義噪聲數(shù)據(jù)的

22、閥值是1 1（記錄數(shù)為（記錄數(shù)為1 1），則：），則：根據(jù)根據(jù)基本關(guān)系表一基本關(guān)系表一發(fā)現(xiàn)的特征規(guī)則是：發(fā)現(xiàn)的特征規(guī)則是：借閱借閱大趨勢大趨勢一書的是一書的是經(jīng)濟(jì)系經(jīng)濟(jì)系的學(xué)生的學(xué)生根據(jù)根據(jù)概括關(guān)系表一概括關(guān)系表一發(fā)現(xiàn)的特征規(guī)則是：發(fā)現(xiàn)的特征規(guī)則是：借閱借閱大趨勢大趨勢一書的是一書的是商學(xué)院商學(xué)院的學(xué)生的學(xué)生借閱借閱大趨勢大趨勢一書的是一書的是文學(xué)院文學(xué)院的學(xué)生的學(xué)生根據(jù)根據(jù)概括關(guān)系表二概括關(guān)系表二發(fā)現(xiàn)的特征規(guī)則是：發(fā)現(xiàn)的特征規(guī)則是：借閱借閱大趨勢大趨勢一書的是一書的是文科文科的學(xué)生的學(xué)生系別系別書名書名借閱次數(shù)借閱次數(shù)文科文科大趨勢大趨勢6 6理科理科大趨勢大趨勢1 1學(xué)號學(xué)號姓名姓名系別系

23、別書名書名借閱日期借閱日期99320079932007顏立顏立經(jīng)濟(jì)經(jīng)濟(jì)大趨勢大趨勢2000.3.162000.3.1698330909833090王家衛(wèi)王家衛(wèi)金融金融大趨勢大趨勢2000.3.162000.3.1698131059813105王向東王向東醫(yī)學(xué)院醫(yī)學(xué)院大趨勢大趨勢2000.5.82000.5.898220419822041劉偉劉偉歷史歷史大趨勢大趨勢2000.6.302000.6.3099280739928073朱小明朱小明企管企管大趨勢大趨勢2000.5.202000.5.2099320569932056陳立業(yè)陳立業(yè)經(jīng)濟(jì)經(jīng)濟(jì)大趨勢大趨勢2000.9.192000.9.19992

24、31439923143劉英劉英新聞新聞大趨勢大趨勢2000.12.32000.12.3如果定義噪聲數(shù)據(jù)的閥值是如果定義噪聲數(shù)據(jù)的閥值是2 2（記錄數(shù)為（記錄數(shù)為2 2），則：），則：根據(jù)根據(jù)基本關(guān)系表一基本關(guān)系表一發(fā)現(xiàn)的特征規(guī)則是：發(fā)現(xiàn)的特征規(guī)則是：發(fā)現(xiàn)不到特征規(guī)則發(fā)現(xiàn)不到特征規(guī)則如果定義噪聲數(shù)據(jù)的閥值是如果定義噪聲數(shù)據(jù)的閥值是2 2（記錄數(shù)為（記錄數(shù)為2 2），則：），則：根據(jù)根據(jù)基本關(guān)系表一基本關(guān)系表一發(fā)現(xiàn)的特征規(guī)則是：發(fā)現(xiàn)的特征規(guī)則是：發(fā)現(xiàn)不到特征規(guī)則發(fā)現(xiàn)不到特征規(guī)則根據(jù)根據(jù)概括關(guān)系表一概括關(guān)系表一發(fā)現(xiàn)的特征規(guī)則是：發(fā)現(xiàn)的特征規(guī)則是：借閱借閱大趨勢大趨勢一書的是一書的是商學(xué)院商學(xué)院的學(xué)生

25、的學(xué)生系別系別書名書名借閱次數(shù)借閱次數(shù)商學(xué)院商學(xué)院大趨勢大趨勢4 4文學(xué)院文學(xué)院大趨勢大趨勢2 2醫(yī)學(xué)院醫(yī)學(xué)院大趨勢大趨勢1 1如果定義噪聲數(shù)據(jù)的閥值是如果定義噪聲數(shù)據(jù)的閥值是2 2（記錄數(shù)為（記錄數(shù)為2 2），則：），則：根據(jù)根據(jù)基本關(guān)系表一基本關(guān)系表一發(fā)現(xiàn)的特征規(guī)則是：發(fā)現(xiàn)的特征規(guī)則是：發(fā)現(xiàn)不到特征規(guī)則發(fā)現(xiàn)不到特征規(guī)則根據(jù)根據(jù)概括關(guān)系表一概括關(guān)系表一發(fā)現(xiàn)的特征規(guī)則是：發(fā)現(xiàn)的特征規(guī)則是：借閱借閱大趨勢大趨勢一書的是一書的是商學(xué)院商學(xué)院的學(xué)生的學(xué)生根據(jù)根據(jù)概括關(guān)系表二概括關(guān)系表二發(fā)現(xiàn)的特征規(guī)則是：發(fā)現(xiàn)的特征規(guī)則是：借閱借閱大趨勢大趨勢一書的是一書的是文科文科的學(xué)生的學(xué)生系別系別書名書名借閱次數(shù)

26、借閱次數(shù)文科文科大趨勢大趨勢6 6理科理科大趨勢大趨勢1 1學(xué)號學(xué)號姓名姓名系別系別書名書名借閱日期借閱日期99320079932007顏立顏立經(jīng)濟(jì)經(jīng)濟(jì)大趨勢大趨勢2000.3.162000.3.1698330909833090王家衛(wèi)王家衛(wèi)金融金融大趨勢大趨勢2000.3.162000.3.1698131059813105王向東王向東醫(yī)學(xué)院醫(yī)學(xué)院大趨勢大趨勢2000.5.82000.5.898220419822041劉偉劉偉歷史歷史大趨勢大趨勢2000.6.302000.6.3099280739928073朱小明朱小明企管企管大趨勢大趨勢2000.5.202000.5.209932056993

27、2056陳立業(yè)陳立業(yè)經(jīng)濟(jì)經(jīng)濟(jì)大趨勢大趨勢2000.9.192000.9.1999231439923143劉英劉英新聞新聞大趨勢大趨勢2000.12.32000.12.3如果定義噪聲數(shù)據(jù)的閥值是如果定義噪聲數(shù)據(jù)的閥值是5 5（記錄數(shù)為（記錄數(shù)為5 5），則：），則：根據(jù)根據(jù)基本關(guān)系表一基本關(guān)系表一發(fā)現(xiàn)的特征規(guī)則是：發(fā)現(xiàn)的特征規(guī)則是：發(fā)現(xiàn)不到特征規(guī)則發(fā)現(xiàn)不到特征規(guī)則如果定義噪聲數(shù)據(jù)的閥值是如果定義噪聲數(shù)據(jù)的閥值是5 5（記錄數(shù)為（記錄數(shù)為5 5），則：），則：根據(jù)根據(jù)基本關(guān)系表一基本關(guān)系表一發(fā)現(xiàn)的特征規(guī)則是：發(fā)現(xiàn)的特征規(guī)則是：發(fā)現(xiàn)不到特征規(guī)則發(fā)現(xiàn)不到特征規(guī)則根據(jù)根據(jù)概括關(guān)系表一概括關(guān)系表一發(fā)現(xiàn)的特

28、征規(guī)則是：發(fā)現(xiàn)的特征規(guī)則是：發(fā)現(xiàn)不到特征規(guī)則發(fā)現(xiàn)不到特征規(guī)則系別系別書名書名借閱次數(shù)借閱次數(shù)商學(xué)院商學(xué)院大趨勢大趨勢4 4文學(xué)院文學(xué)院大趨勢大趨勢2 2醫(yī)學(xué)院醫(yī)學(xué)院大趨勢大趨勢1 1如果定義噪聲數(shù)據(jù)的閥值是如果定義噪聲數(shù)據(jù)的閥值是5 5（記錄數(shù)為（記錄數(shù)為5 5），則：），則：根據(jù)根據(jù)基本關(guān)系表一基本關(guān)系表一發(fā)現(xiàn)的特征規(guī)則是：發(fā)現(xiàn)的特征規(guī)則是：發(fā)現(xiàn)不到特征規(guī)則發(fā)現(xiàn)不到特征規(guī)則根據(jù)根據(jù)概括關(guān)系表一概括關(guān)系表一發(fā)現(xiàn)的特征規(guī)則是：發(fā)現(xiàn)的特征規(guī)則是：發(fā)現(xiàn)不到特征規(guī)則發(fā)現(xiàn)不到特征規(guī)則根據(jù)根據(jù)概括關(guān)系表二概括關(guān)系表二發(fā)現(xiàn)的特征規(guī)則是：發(fā)現(xiàn)的特征規(guī)則是：借閱借閱大趨勢大趨勢一書的是一書的是文科文科的學(xué)生的學(xué)

29、生系別系別書名書名借閱次數(shù)借閱次數(shù)文科文科大趨勢大趨勢6 6理科理科大趨勢大趨勢1 1應(yīng)該說，此時的規(guī)則是有意義的，該書基本上是文科學(xué)生借閱，應(yīng)該說，此時的規(guī)則是有意義的，該書基本上是文科學(xué)生借閱，t_權(quán)權(quán)=6/7%3 .14:)(%7 .85:)(,txtxx理科系別文科系別大趨勢書名三、挖掘類比較：區(qū)分不同的類三、挖掘類比較：區(qū)分不同的類o要解決的目標(biāo)要解決的目標(biāo) n在實際應(yīng)用中，對單個類（概念）的描述或特征化并不在實際應(yīng)用中，對單個類（概念）的描述或特征化并不一定感興趣，而希望挖掘一種描述，它將一個類（概念）一定感興趣，而希望挖掘一種描述，它將一個類（概念）與其它可比較的類（概念）相區(qū)分

30、。類區(qū)分（比較）挖與其它可比較的類（概念）相區(qū)分。類區(qū)分（比較）挖掘?qū)⒔o出目標(biāo)類與對比類相區(qū)別的描述。掘?qū)⒔o出目標(biāo)類與對比類相區(qū)別的描述。o類比較方法和實現(xiàn)類比較方法和實現(xiàn)1）數(shù)據(jù)收集：通過查詢處理數(shù)據(jù)庫中相關(guān)數(shù)據(jù)集，將它劃）數(shù)據(jù)收集：通過查詢處理數(shù)據(jù)庫中相關(guān)數(shù)據(jù)集，將它劃分為一個分為一個目標(biāo)類目標(biāo)類和一個（多個）和一個（多個）對比類對比類。2）維相關(guān)分析：選擇所需要的維，去掉與概化不相關(guān)的維）維相關(guān)分析：選擇所需要的維，去掉與概化不相關(guān)的維3）同步概化：目標(biāo)類和所有對比類概化到同一層次）同步概化：目標(biāo)類和所有對比類概化到同一層次4）導(dǎo)出比較的表示：結(jié)果可以是表、圖或規(guī)則，表示中一）導(dǎo)出比較的

31、表示：結(jié)果可以是表、圖或規(guī)則，表示中一般包括對比的度量（如般包括對比的度量（如count%)姓名姓名性別性別專業(yè)專業(yè)籍貫籍貫出身日期出身日期信用情況信用情況電話電話學(xué)歷學(xué)歷張清張清男男計算機(jī)應(yīng)用計算機(jī)應(yīng)用南京南京78。01良良4316111研研李玫李玫女女生物生物蘇州蘇州76。02優(yōu)優(yōu)4315111研研李山李山男男高分子化學(xué)高分子化學(xué)鹽城鹽城77。02良良4315808研研.王寧王寧男男計算機(jī)軟件計算機(jī)軟件鎮(zhèn)江鎮(zhèn)江78。04一般一般4315807研研例：例：姓名姓名性別性別專業(yè)專業(yè)籍貫籍貫出身日期出身日期信用情況信用情況電話電話學(xué)歷學(xué)歷張明張明男男計算機(jī)科學(xué)計算機(jī)科學(xué)揚州揚州81。01良良43

32、16201本本王梅王梅女女法律法律重慶重慶82。02一般一般4315171本本李山李山男男自動控制自動控制鹽城鹽城80。02中中4315669本本.王民王民男男微波微波上海上海80。04一般一般4315887本本初始目標(biāo)類關(guān)系：研究生初始目標(biāo)類關(guān)系：研究生初始對比類關(guān)系：本科生初始對比類關(guān)系：本科生目標(biāo)類主概化關(guān)系（研究生）目標(biāo)類主概化關(guān)系（研究生）對比類主概化關(guān)系（本科生）對比類主概化關(guān)系（本科生）專業(yè)專業(yè)年齡段年齡段信用情況信用情況Count%科學(xué)科學(xué)21-25良良5.53科學(xué)科學(xué)26-30良良5.02科學(xué)科學(xué)3030以上以上優(yōu)優(yōu)5.86.商務(wù)商務(wù)3030以上以上優(yōu)優(yōu)4.68專業(yè)專業(yè)年齡段年齡段信用情況信用情況Count%科學(xué)科學(xué)16-20一般一般5.53科學(xué)科學(xué)16-20良良4.53科學(xué)科學(xué)26-3026-30良良2.32.商務(wù)商務(wù)3030以上以上優(yōu)優(yōu)0.68 比較表示：比較表示：年齡在年齡在26到到30之間、選擇科學(xué)類專業(yè)且信用良之間、選擇科學(xué)類專業(yè)且信用良的研究生占整個研究生人數(shù)的的研究生占整個研究生人數(shù)的5.02%，而同樣的情況，本科生，而同樣的情況，本科生只