數(shù)據(jù)倉(cāng)庫(kù) 第七章課件

第七章概念描述7.1概念描述基本知識(shí)7.2數(shù)據(jù)概化與基于匯總的特征化7.3解析特征化—屬性相關(guān)分析7.4挖掘概念比較—區(qū)分不同的類第七章概念描述7.1概念描述基本知識(shí)1第七章概念描述(續(xù))

DB中存放大量細(xì)節(jié)性數(shù)據(jù)，而用戶通常希望以簡(jiǎn)潔的描述形式觀察匯總的數(shù)據(jù)集。這種描述可提供某類數(shù)據(jù)的概貌以及與其他數(shù)據(jù)類的區(qū)別。此外，用戶希望方便靈活地以不同的粒度和從不同的角度描述數(shù)據(jù)集。這種描述性數(shù)據(jù)挖掘稱為概念描述，它是數(shù)據(jù)挖掘的一個(gè)重要部分。第七章概念描述(續(xù))DB中存放大27.1概念描述基本知識(shí)概念：通常指數(shù)據(jù)的匯集。概念描述：是描述式數(shù)據(jù)挖掘最基本形式，它以簡(jiǎn)潔匯總的形式描述給定數(shù)據(jù)集，提供數(shù)據(jù)的有趣的一般特性。7.1概念描述基本知識(shí)概念：通常指數(shù)據(jù)的匯集。37.1概念描述基本知識(shí)（續(xù)）概念描述的組成：特征化：提供了一個(gè)有關(guān)數(shù)據(jù)整體的簡(jiǎn)潔清晰描述。（定性描述）比較：提供了基于多組不同類數(shù)據(jù)的對(duì)比概念描述。（對(duì)比定性描述）7.1概念描述基本知識(shí)（續(xù)）概念描述的組成：47.1概念描述基本知識(shí)（續(xù)）

概念描述與數(shù)據(jù)概化密切相關(guān)。給定存放在DB中的大量數(shù)據(jù)，能夠以簡(jiǎn)潔的形式在更一般的抽象層描述數(shù)據(jù)是很有用的。允許數(shù)據(jù)集在多個(gè)抽象層概化，便于考察數(shù)據(jù)的一般行為。這種多維,多層數(shù)據(jù)概化類似于DW中的多維數(shù)據(jù)分析。而概念描述類似于DW的OLAP。7.1概念描述基本知識(shí)（續(xù)） 概念描述與數(shù)據(jù)概化密切57.1概念描述基本知識(shí)（續(xù)）

大型數(shù)據(jù)庫(kù)的概念描述和數(shù)據(jù)倉(cāng)庫(kù)的OLAP有何差別？概念描述可處理復(fù)雜的數(shù)據(jù)類型和聚集。概念描述是自動(dòng)處理數(shù)據(jù)挖掘過(guò)程。7.1概念描述基本知識(shí)（續(xù)） 大型數(shù)據(jù)庫(kù)的概念描67.1概念描述基本知識(shí)（續(xù)）

概念描述的方法包括多層概化、匯總、特征化和比較。這些方法形成實(shí)現(xiàn)數(shù)據(jù)挖掘的兩個(gè)主要功能模塊的基礎(chǔ)：多層特征化和比較。7.1概念描述基本知識(shí)（續(xù)） 概念描述的方法包括多7第七章概念描述7.1概念描述基本知識(shí)7.2數(shù)據(jù)概化與基于匯總的特征化7.3解析特征化—屬性相關(guān)分析7.4挖掘概念比較—區(qū)分不同的類第七章概念描述7.1概念描述基本知識(shí)87.2數(shù)據(jù)概化與基于匯總的

特征化

數(shù)據(jù)概化是一個(gè)分析過(guò)程，它將DB中與任務(wù)相關(guān)的大數(shù)據(jù)集從較低的概念層抽象到較高的概念層。對(duì)大量數(shù)據(jù)進(jìn)行有效靈活的概化方法主要有兩種：數(shù)據(jù)立方體方法基于屬性的歸納方法7.2數(shù)據(jù)概化與基于匯總的

特征化 數(shù)據(jù)概化是一個(gè)91.數(shù)據(jù)立方體方法

利用數(shù)據(jù)立方體方法進(jìn)行數(shù)據(jù)概化，被分析的數(shù)據(jù)存放在一個(gè)多維數(shù)據(jù)庫(kù)中，通過(guò)對(duì)多維數(shù)據(jù)立方進(jìn)行上卷或下鉆操作，可完成數(shù)據(jù)概化和數(shù)據(jù)細(xì)化工作。1.數(shù)據(jù)立方體方法 利用數(shù)據(jù)立方體方法進(jìn)行數(shù)據(jù)概化，被101.數(shù)據(jù)立方體方法（續(xù)） 數(shù)據(jù)立方體提供了一種有效的數(shù)據(jù)概化方法，且構(gòu)成了描述性數(shù)據(jù)挖掘中一個(gè)重要功能。但由于OLAP的數(shù)據(jù)立方實(shí)現(xiàn)是將維的類型限制在簡(jiǎn)單非數(shù)值類型，且將處理限制在簡(jiǎn)單數(shù)據(jù)匯總方面，因此數(shù)據(jù)立方體并不能解決概念描述所能解決的一些重要問(wèn)題。如：描述中應(yīng)作用哪些維？概化過(guò)程應(yīng)進(jìn)行到哪個(gè)抽象層次上？這些問(wèn)題均是由用戶負(fù)責(zé)提供答案的。1.數(shù)據(jù)立方體方法（續(xù)） 數(shù)據(jù)立方體提供了一種有效的數(shù)據(jù)112.基于屬性歸納方法基本思想：首先使用RDB查詢收集任務(wù)相關(guān)的數(shù)據(jù)；然后通過(guò)考察任務(wù)相關(guān)數(shù)據(jù)中每個(gè)屬性的不同值的個(gè)數(shù)，進(jìn)行概化。數(shù)據(jù)概化是通過(guò)屬性刪除或?qū)傩愿呕僮鱽?lái)完成。通過(guò)合并相同行并累計(jì)它們相應(yīng)的個(gè)數(shù)。這自然就減少了概化后數(shù)據(jù)集的大小，所獲結(jié)果以圖表、規(guī)則等多種不同形式提供給用戶。2.基于屬性歸納方法基本思想：122.基于屬性歸納方法（續(xù)）例1：從一個(gè)大學(xué)數(shù)據(jù)庫(kù)的學(xué)生數(shù)據(jù)中挖掘出研究生的一般特征。給定的屬性有：姓名、性別、專業(yè)、出生地、出生日期、居住地、電話和GPA（平均等級(jí)分）。AOI方法的第一步：

利用DB查詢語(yǔ)言從大學(xué)DB中將學(xué)生數(shù)據(jù)抽取出來(lái)，然后指定一組與挖掘任務(wù)相關(guān)的屬性集。2.基于屬性歸納方法（續(xù)）例1：從一個(gè)大學(xué)數(shù)據(jù)庫(kù)的學(xué)生數(shù)據(jù)中132.基于屬性歸納方法（續(xù)） 由于數(shù)據(jù)挖掘查詢通常只涉及DB的一部分，選擇相關(guān)的數(shù)據(jù)集不僅使得挖掘更有效，而且與在整個(gè)DB挖掘相比，能產(chǎn)生更有意義的規(guī)則。 對(duì)用戶而言，指定挖掘的屬性可能比較困難。有時(shí)，用戶只能選擇少量他感到可能重要的屬性，而遺漏在描述中可能起作用的其他屬性。2.基于屬性歸納方法（續(xù)） 由于數(shù)據(jù)挖掘查詢通常只涉及D142.基于屬性歸納方法（續(xù)）如：出生地維由屬性城市、省和國(guó)家定義。在這些屬性中，用戶或許只考慮了城市屬性。為了對(duì)出生地進(jìn)行概化處理，就必須將出生地概化所涉及到的其它屬性包含進(jìn)來(lái)。換句話說(shuō)，系統(tǒng)自動(dòng)地包括省和國(guó)家作為相關(guān)屬性，使得城市可以在歸納過(guò)程中概化到較高的概念層。2.基于屬性歸納方法（續(xù)）如：出生地維由屬性城市152.基于屬性歸納方法（續(xù)） 另一方面，用戶可能引進(jìn)過(guò)多的屬性，如：指定所有的屬性，這樣大學(xué)DB的所有屬性都將包含在分析中，而有些屬性對(duì)有趣的描述是沒(méi)有用的。2.基于屬性歸納方法（續(xù)） 另一方面，用戶可能引進(jìn)過(guò)多的16姓名性別專業(yè)出生地出生日居住地電話GPA王東海男CS合肥市79.07.26合肥市金寨路6567李哲男CS合肥市80.12.08合肥市蕪湖路18670汪燕女PH上海市80.09.03上海市高安路1250號(hào)021-623819603.83初始工作關(guān)系：任務(wù)相關(guān)數(shù)據(jù)的集合姓名性別專業(yè)出生地出生日居住地電話GPA王東海男CS合肥市7172.基于屬性歸納方法（續(xù)）對(duì)已經(jīng)準(zhǔn)備好的數(shù)據(jù)，如何進(jìn)行基于屬性歸納？AOI方法的第二步：

進(jìn)行數(shù)據(jù)概化操作，可用兩種方法之一進(jìn)行：屬性刪除，屬性概化。2.基于屬性歸納方法（續(xù)）對(duì)已經(jīng)準(zhǔn)備好的數(shù)據(jù)，如182.基于屬性歸納方法（續(xù)）屬性刪除基于如下規(guī)則：若一個(gè)屬性有許多不同數(shù)值，且(a)該屬性無(wú)法進(jìn)行概化操作（如：沒(méi)有定義相應(yīng)的概念分層），或(b)它的更高層次概念是用其他屬性描述的，則該屬性應(yīng)當(dāng)從數(shù)據(jù)集中刪除。2.基于屬性歸納方法（續(xù)）屬性刪除基于如下規(guī)則：192.基于屬性歸納方法（續(xù)）屬性概化基于如下規(guī)則：若一個(gè)屬性有許多不同數(shù)值，且該屬性存在一組概化操作，則可以選擇一個(gè)概化操作對(duì)該屬性進(jìn)行處理。

屬性刪除和屬性概化兩個(gè)規(guī)則都表明，如果某屬性有大量的不同值，應(yīng)當(dāng)進(jìn)行進(jìn)一步概化。這就提出一個(gè)問(wèn)題：多大才算“屬性具有大量不同值”？2.基于屬性歸納方法（續(xù)）屬性概化基于如下規(guī)則：202.基于屬性歸納方法（續(xù)） 這取決于屬性或應(yīng)用，有的用戶愿意讓屬性留在較低的抽象層，而另一些用戶愿意將它們概化到較高的抽象層?？刂茖傩愿呕蕉喔叩某橄髮油ǔＪ窍喈?dāng)主觀的。該過(guò)程的控制稱為屬性概化控制。2.基于屬性歸納方法（續(xù)） 這取決于屬性或應(yīng)用，有的用戶212.基于屬性歸納方法（續(xù)）若屬性概化得“太高”，則導(dǎo)致過(guò)分概化，產(chǎn)生的規(guī)則可能沒(méi)有多少信息。若屬性概化沒(méi)有達(dá)到“足夠高的層次”，則“亞概化”也同樣可能使得到的規(guī)則變得失去意義。因此在基于屬性歸納時(shí)，掌握概化平衡非常重要。2.基于屬性歸納方法（續(xù)）若屬性概化得“太高”，222.基于屬性歸納方法（續(xù)） 有許多控制概化過(guò)程的方法，下面是兩種常用的方法：(1)屬性概化閾值控制 該技術(shù)是對(duì)所有屬性統(tǒng)一設(shè)置一個(gè)概化閾值（取值范圍一般為2到8）。如果屬性的不同值個(gè)數(shù)大于屬性概化閾值，則應(yīng)當(dāng)進(jìn)行進(jìn)一步的屬性刪除或?qū)傩愿呕?.基于屬性歸納方法（續(xù)） 有許多控制概化過(guò)程的方法，下232.基于屬性歸納方法（續(xù)）(2)概化關(guān)系閾值控制 為概化關(guān)系設(shè)置一個(gè)閾值（通常取值范圍為10到30）。如果概化關(guān)系中不同元組的個(gè)數(shù)超過(guò)該閾值，則應(yīng)當(dāng)進(jìn)一步概化；否則，不再進(jìn)一步概化。2.基于屬性歸納方法（續(xù)）(2)概化關(guān)系閾值控制242.基于屬性歸納方法（續(xù)）

這兩種技術(shù)可以順序使用：首先使用屬性概化閾值控制技術(shù)概化每個(gè)屬性，然后使用概化關(guān)系閾值控制進(jìn)一步減少概化關(guān)系的（規(guī)模）大小。無(wú)論使用哪種概化控制技術(shù)，都應(yīng)當(dāng)允許用戶調(diào)整概化閾值，以便得到有趣的規(guī)則。2.基于屬性歸納方法（續(xù)） 這兩種技術(shù)可以順序使用：首252.基于屬性歸納方法（續(xù)）例1（續(xù)）：對(duì)前面得到的初始工作關(guān)系的每個(gè)屬性，概化過(guò)程如下：1）姓名：由于姓名存在大量不同值，并且其上沒(méi)有定義概念分層，該屬性被刪除。2）性別：由于性別只有兩個(gè)不同值，該屬性保留，并不對(duì)其進(jìn)行概化。2.基于屬性歸納方法（續(xù)）例1（續(xù)）：對(duì)前面得到的初始工作關(guān)262.基于屬性歸納方法（續(xù)）3）專業(yè)：假設(shè)定義了一個(gè)概念分層，從而可以對(duì)專業(yè)屬性進(jìn)行概化。又假設(shè)屬性概化閾值置為5，在初始數(shù)據(jù)集合中有25個(gè)不同取值。則通過(guò)對(duì)屬性概化和屬性概化控制，專業(yè)屬性被概化到指定的概念（如：科學(xué)，工程，商學(xué)）。2.基于屬性歸納方法（續(xù)）3）專業(yè)：假設(shè)定義了一個(gè)概念分層272.基于屬性歸納方法（續(xù)）4）出生地：該屬性有大量不同值，因此應(yīng)當(dāng)概化它。設(shè)出生地的概念分層為：城市<省<國(guó)家。如果初始關(guān)系中，國(guó)家取值超過(guò)了屬性概化閾值，則出生地應(yīng)當(dāng)刪除，因?yàn)楸M管可以進(jìn)行概化操作，概化閾值也不會(huì)滿足。但如果假定國(guó)家的取值個(gè)數(shù)小于概化閾值，則出生地應(yīng)當(dāng)概化到出生國(guó)家。2.基于屬性歸納方法（續(xù)）4）出生地：該屬性有大量不同值，282.基于屬性歸納方法（續(xù)）5）出生日期：假定存在概念分層，可以將出生日期概化到年齡，而年齡概化到年齡分類，并且年齡分類的區(qū)間數(shù)小于對(duì)應(yīng)的屬性概化閾值，則應(yīng)當(dāng)對(duì)出生日期進(jìn)行概化。2.基于屬性歸納方法（續(xù)）5）出生日期：假定存在概念分層，292.基于屬性歸納方法（續(xù)）6）居住地：假定居住地被屬性號(hào)碼，街道，城市，省，國(guó)家定義。號(hào)碼和街道的不同值一般很多，而且這些概念的層次相當(dāng)?shù)?。因此，?hào)碼和街道應(yīng)當(dāng)刪除，將居住地概化到居住城市。這樣可包含較少的不同值。2.基于屬性歸納方法（續(xù)）6）居住地：假定居住地被屬性號(hào)碼302.基于屬性歸納方法（續(xù)）7）電話：與屬性姓名一樣，因包含太多不同值，應(yīng)當(dāng)在概化中刪除。8）GPA：假定存在GPA的概念分層，將平均成績(jī)分成若干區(qū)間，如：{3.75-4.0，3.5-3.75，…}，也可相應(yīng)的描述為：{優(yōu)秀，良好，…}，因此該屬性可以被概化。2.基于屬性歸納方法（續(xù)）7）電話：與屬性姓名一樣，因包含太312.基于屬性歸納方法（續(xù)） 概化過(guò)程會(huì)產(chǎn)生一系列內(nèi)容相同的數(shù)據(jù)行，相同內(nèi)容的數(shù)據(jù)行被合并成一個(gè)，并累計(jì)它們的計(jì)數(shù)值。最終結(jié)果如下表：2.基于屬性歸納方法（續(xù)） 概化過(guò)程會(huì)產(chǎn)生一系列內(nèi)容相同32性別專業(yè)出生國(guó)年齡區(qū)間出生城市GPA累計(jì)男科學(xué)中國(guó)20—25合肥良好16女工程中國(guó)25—30上海優(yōu)秀22對(duì)初始關(guān)系的數(shù)據(jù)進(jìn)行基于屬性歸納得到的廣義關(guān)系：性別專業(yè)出生國(guó)年齡區(qū)間出生城市GPA累計(jì)男科學(xué)中國(guó)20—25333.基于屬性歸納算法算法：基于屬性的歸納輸入：(1)關(guān)系DB；(2)數(shù)據(jù)挖掘命令DMQuery；(3)屬性表a_list；(4)屬性ai上的概念分層或概化操作符的集合Gen(a)；(5)每個(gè)屬性ai概化閾值a_gen_thresh(a)3.基于屬性歸納算法算法：基于屬性的歸納343.基于屬性歸納算法(續(xù))輸出：主概化關(guān)系P（包含基于a_list屬性集的一個(gè)定性概念描述）

方法：(1)W←get_task_relevant_data(DMQuery,DB)；//工作關(guān)系W存放任務(wù)相關(guān)的數(shù)據(jù)(2)prepare_for_generalization(W)//該步實(shí)現(xiàn)如下:3.基于屬性歸納算法(續(xù))輸出：主概化關(guān)系P（包含基于a_353.基于屬性歸納算法(續(xù))(a)掃描W，收集每個(gè)ai屬性取不同值的個(gè)數(shù)。(b)對(duì)每個(gè)屬性ai，根據(jù)給定的或缺省的屬性閾值，確定ai是否應(yīng)當(dāng)刪除；如果不刪除，則計(jì)算它的最小期望層次Li，并確定映射對(duì)(v,v’)，基中v是W中ai的不同值，v’是其在層Li對(duì)應(yīng)的概化值。3.基于屬性歸納算法(續(xù))(a)掃描W，收集每個(gè)ai屬性取不363.基于屬性歸納算法(續(xù))(3)P←generalization(W） 通過(guò)用其在映射中對(duì)應(yīng)的v’替換W中每個(gè)值v，累計(jì)計(jì)數(shù)并計(jì)算所有聚集值，導(dǎo)出主概化關(guān)系P。 這一步可用下面兩種方法有效實(shí)現(xiàn)：(a)對(duì)每個(gè)概化元組，通過(guò)二分檢索將它插入主關(guān)系P中。如果元組已在P中，則簡(jiǎn)單地增加它的計(jì)數(shù)值并相應(yīng)處理其他聚集值；否則，將它插入P。3.基于屬性歸納算法(續(xù))(3)P←generalizati373.基于屬性歸納算法(續(xù))(b)在大部分情況下，由于主關(guān)系層不同值的個(gè)數(shù)很少，可以將主關(guān)系編碼，作為m_維數(shù)組，其中m是P中的屬性數(shù)，而每個(gè)維包含對(duì)應(yīng)的概化屬性值。數(shù)組的每個(gè)元素存放對(duì)應(yīng)的計(jì)數(shù)和其他聚集值。概化元組的插入通過(guò)對(duì)應(yīng)的數(shù)組元素上的度量聚集進(jìn)行。3.基于屬性歸納算法(續(xù))(b)在大部分情況下，由于主關(guān)系層384.基于屬性歸納結(jié)果的表示基于屬性歸納方法的挖掘結(jié)果可以有多種輸出表示形式。4.基于屬性歸納結(jié)果的表示基于屬性歸納方法的挖39地點(diǎn)商品銷售額(百萬(wàn))個(gè)數(shù)累計(jì)(千)亞洲電視15300歐洲電視12250北美電視28450亞洲電腦1201000歐洲電腦1501200北美電腦2001800表格表示描述地點(diǎn)商品銷售額個(gè)數(shù)累計(jì)(千)亞洲電視15300歐洲電視12240地點(diǎn)或商品電視電腦電視+電腦銷售額累計(jì)銷售額累計(jì)銷售額累計(jì)亞洲1530012010001351300歐洲1225015012001621450北美2845020018002282250所有地區(qū)45100047040005255000組合表表示描述地點(diǎn)電視電腦電視+電腦銷售額累計(jì)銷售額累計(jì)銷售額累計(jì)亞洲1541棒圖表示描述棒圖表示描述42第七章概念描述7.1概念描述基本知識(shí)7.2數(shù)據(jù)概化與基于匯總的特征化7.3解析特征化—屬性相關(guān)分析7.4挖掘概念比較—區(qū)分不同的類第七章概念描述7.1概念描述基本知識(shí)437.3解析特征化—屬性相關(guān)分析1.屬性相關(guān)分析意義 在挖掘定性概念描述知識(shí)過(guò)程中，DW和OLAP工具中的多維數(shù)據(jù)分析有兩個(gè)局限：一是無(wú)法處理復(fù)雜對(duì)象，二是缺乏自動(dòng)概化過(guò)程。7.3解析特征化—屬性相關(guān)分析1.屬性相關(guān)分析意義441.屬性相關(guān)分析意義（續(xù)） 通常，用戶告訴數(shù)據(jù)挖掘系統(tǒng)每個(gè)維應(yīng)當(dāng)概化到多高層次并不困難，但確定數(shù)據(jù)集的定性描述應(yīng)包含哪些屬性是一件困難的事。我們引進(jìn)一些方法進(jìn)行屬性（或維）相關(guān)分析，以過(guò)濾掉統(tǒng)計(jì)上不相關(guān)或弱相關(guān)的屬性，而保留與挖掘任務(wù)最相關(guān)的屬性。1.屬性相關(guān)分析意義（續(xù)） 通常，用戶告訴數(shù)據(jù)挖掘系451.屬性相關(guān)分析意義（續(xù)）包含屬性（維）相關(guān)分析的類特征化稱為解析特征化；包含屬性（維）相關(guān)分析的類比較稱為解析比較。 直觀上，若一個(gè)屬性的取值可以幫助有效地區(qū)分不同類別的數(shù)據(jù)集，則這個(gè)屬性就被認(rèn)為是與相應(yīng)類別數(shù)據(jù)集密切相關(guān)的。1.屬性相關(guān)分析意義（續(xù)）包含屬性（維）相關(guān)分析的類特征化461.屬性相關(guān)分析意義（續(xù)）例：一輛汽車的顏色不太可能用于區(qū)分貴賤汽車（類別），但汽車的型號(hào)、品牌、制造商、款式和氣缸數(shù)可能是更相關(guān)的屬性。此外，即使在同一個(gè)維內(nèi)，對(duì)于區(qū)分一個(gè)類與其他類，在不同的概念層也可能有很不相同的能力。1.屬性相關(guān)分析意義（續(xù)）例：一輛汽車的顏色不太可能用于區(qū)分471.屬性相關(guān)分析意義（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)。這意味著相關(guān)分析應(yīng)當(dāng)在多層次進(jìn)行，并且只有那些最相關(guān)的維層次應(yīng)當(dāng)包含在分析中。1.屬性相關(guān)分析意義（續(xù)）例：在出生日維中，生日和生月都不太481.屬性相關(guān)分析意義（續(xù)）屬性的相關(guān)性要根據(jù)屬性區(qū)分一個(gè)類與其他類的能力來(lái)評(píng)估。在挖掘概念比較時(shí)，目標(biāo)類和對(duì)比類要明顯地在挖掘查詢中給出。前面在挖掘概念特征時(shí)，只有一個(gè)被特征化的類，即沒(méi)有說(shuō)明對(duì)比類。哪些對(duì)比類應(yīng)當(dāng)用于相關(guān)分析并非是明顯的。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(duì)比類。1.屬性相關(guān)分析意義（續(xù)）屬性的相關(guān)492.屬性相關(guān)分析方法

屬性相關(guān)分析的基本思想：計(jì)算某種度量，用于量化屬性與給定類或概念的相關(guān)性。這些度量包括：信息增益，Gini索引，不確定性和相關(guān)系數(shù)。

2.屬性相關(guān)分析方法屬性相關(guān)分析的基本思想：502.屬性相關(guān)分析方法（續(xù)）下面介紹一種方法，它將信息增益分析技術(shù)和基于多維數(shù)據(jù)分析的方法集成在一起。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。這里以ID3決策樹(shù)歸納學(xué)習(xí)方法為例進(jìn)行介紹。2.屬性相關(guān)分析方法（續(xù)）下面介紹一種512.屬性相關(guān)分析方法（續(xù)）

設(shè)S是訓(xùn)練樣本的集合，其中每個(gè)樣本的類標(biāo)號(hào)已知，共有m個(gè)不同類別,則S包含si個(gè)Ci類樣本，i=1，…，m。任意一個(gè)樣本屬于類Ci的概率為si/s，其中s是集合S所有樣本總數(shù)。一個(gè)決策樹(shù)可用于對(duì)數(shù)據(jù)對(duì)象進(jìn)行分類,因此決策樹(shù)可以看成是Ci的一個(gè)信息源,為產(chǎn)生相應(yīng)信息需要的信息熵為：2.屬性相關(guān)分析方法（續(xù)）設(shè)S是522.屬性相關(guān)分析方法（續(xù)）(7.1)若屬性A的取值為{a1，a2，…，av}，且該屬性用作決策樹(shù)的一個(gè)結(jié)點(diǎn)時(shí)，可將S劃分為子集{S1，S2，…，Sv}。其中Sj

包含屬性A取同一值aj的數(shù)據(jù)行；Sj包含類Ci的sij個(gè)樣本。2.屬性相關(guān)分析方法（續(xù)）532.屬性相關(guān)分析方法（續(xù)）根據(jù)屬性A的取值對(duì)當(dāng)前數(shù)據(jù)集劃分所獲得的信息就稱為屬性A的熵。它的計(jì)算公式如下：

(7.2)

A上該劃分得到的信息增益定義為:

Gain(A)=I(s1,s2,…,sm)-E(A)(7.3)2.屬性相關(guān)分析方法（續(xù)）根據(jù)屬性A的取值對(duì)當(dāng)前數(shù)據(jù)集劃542.屬性相關(guān)分析方法（續(xù)）

ID3方法根據(jù)S集合中數(shù)據(jù)對(duì)象來(lái)計(jì)算每個(gè)屬性Gain(A)值，并從中選擇出值最大的作為決策樹(shù)根結(jié)點(diǎn)，并根據(jù)該屬性的取值個(gè)數(shù)將初始數(shù)據(jù)集劃分為v份，即通過(guò)不斷對(duì)每個(gè)新產(chǎn)生的數(shù)據(jù)子集循環(huán)進(jìn)行上述操作，直到產(chǎn)生所有葉結(jié)點(diǎn)為止，至此就獲得一個(gè)決策樹(shù)。2.屬性相關(guān)分析方法（續(xù)） ID3方法根據(jù)S552.屬性相關(guān)分析方法（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(guò)查詢處理，收集目標(biāo)類和對(duì)比類的數(shù)據(jù)。(2)使用保守的AOI進(jìn)行預(yù)相關(guān)分析：這里進(jìn)行的AOI使用的屬性分析閾值要合理的大，使得更多的屬性在選定度量的進(jìn)一步相關(guān)分析中被考慮。使用保守AOI得到的關(guān)系稱作候選關(guān)系。2.屬性相關(guān)分析方法（續(xù)）概念描述的屬562.屬性相關(guān)分析方法（續(xù)）(3)使用選定的相關(guān)分析度量刪除不相關(guān)和弱相關(guān)屬性：使用選定的相關(guān)分析度量，評(píng)估候選關(guān)系中的每個(gè)屬性。根據(jù)計(jì)算的屬性與數(shù)據(jù)挖掘任務(wù)的相關(guān)性，對(duì)屬性排序，然后刪除不相關(guān)和弱相關(guān)屬性。其結(jié)果為初始目標(biāo)類（對(duì)比類）工作關(guān)系。(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(jìn)行AOI。2.屬性相關(guān)分析方法（續(xù)）(3)使用選定的相關(guān)分析度量刪除不573.解析特征化實(shí)例例2：使用解析特征化挖掘大學(xué)數(shù)據(jù)庫(kù)里研究生的一般特征描述。執(zhí)行步驟為：（1）收集目標(biāo)類數(shù)據(jù)，它由研究生的集合組成。對(duì)比類取本科生的集合。（2）用保守的屬性概化閾值進(jìn)行基于屬性的歸納，通過(guò)屬性刪除和屬性概化進(jìn)行預(yù)相關(guān)分析（分析過(guò)程如例1）。得到下面兩張表：3.解析特征化實(shí)例例2：使用解析特征化挖掘大學(xué)數(shù)據(jù)庫(kù)里研究58性別專業(yè)出生國(guó)年齡區(qū)間GPA累計(jì)計(jì)數(shù)男科學(xué)中國(guó)21—25良16女科學(xué)外國(guó)26—30優(yōu)22男工程外國(guó)26—30優(yōu)18女科學(xué)外國(guó)26—30優(yōu)25男科學(xué)中國(guó)21—25優(yōu)21女工程中國(guó)21—25優(yōu)18由解析特征化得到的候選關(guān)系：目標(biāo)類（研究生）性別專業(yè)出生國(guó)年齡區(qū)間GPA累計(jì)計(jì)數(shù)男科學(xué)中國(guó)21—25良159由解析特征化得到的候選關(guān)系：對(duì)比類（本科生）性別專業(yè)出生國(guó)年齡區(qū)間GPA累計(jì)計(jì)數(shù)男科學(xué)外國(guó)<=20良18女商學(xué)中國(guó)<=20及格20男商學(xué)中國(guó)<=20及格22女科學(xué)中國(guó)21—25及格24男工程外國(guó)21—25良22女工程中國(guó)<=20優(yōu)24由解析特征化得到的候選關(guān)系：性別專業(yè)出生國(guó)年齡區(qū)間GPA累計(jì)603.解析特征化實(shí)例(續(xù))（3）使用選定的相關(guān)分析度量(如信息增益),評(píng)估候選關(guān)系中的屬性。設(shè)：C1對(duì)應(yīng)于研究生類，有120個(gè)樣本；C2對(duì)應(yīng)于本科生類，有130個(gè)樣本。為計(jì)算每個(gè)屬性的信息增益，首先用公式(7.1)計(jì)算對(duì)給定的樣本分類所需要的期望信息：3.解析特征化實(shí)例(續(xù))（3）使用選定的相關(guān)分析度量(如信613.解析特征化實(shí)例(續(xù))3.解析特征化實(shí)例(續(xù))623.解析特征化實(shí)例(續(xù))下面計(jì)算每個(gè)屬性的信息熵，以專業(yè)為例：專業(yè)=“科學(xué)”：

S11=84S21=42I（S11，S21）=0.9183專業(yè)=“工程”：

S12=36S22=46I（S12，S22）=0.9892專業(yè)=“商學(xué)”：

S13=0S23=42I（S13，S23）=03.解析特征化實(shí)例(續(xù))下面計(jì)算每個(gè)633.解析特征化實(shí)例(續(xù))

再利用公式(7.2)，如果樣本根據(jù)專業(yè)劃分，則對(duì)給定的樣本進(jìn)行分類所需的期望信息為：3.解析特征化實(shí)例(續(xù))再利用公643.解析特征化實(shí)例(續(xù))從而得到，由這樣的劃分的信息增益為：Gain(專業(yè))=I(s1,s2)-E(專業(yè))=0.2115

類似地，也可計(jì)算獲得其他屬性的信息增益，它們排序后結(jié)果為：

性別(0.0003)，出生國(guó)(0.0407)，專業(yè)(0.2115)，GPA(0.4490)，年齡區(qū)間(0.5971)3.解析特征化實(shí)例(續(xù))從而得到，由653.解析特征化實(shí)例(續(xù))若設(shè)定屬性相關(guān)閾值為0.1，以此來(lái)判斷弱相關(guān)屬性。屬性性別(0.0003)和出生國(guó)(0.0407)

的信息增益小于該閾值，因此被認(rèn)為是弱相關(guān)的，它們同時(shí)從目標(biāo)類和對(duì)比類中被刪除。由此產(chǎn)生初始目標(biāo)類工作關(guān)系。（4）最后利用前述算法對(duì)初始目標(biāo)類工作關(guān)系進(jìn)行基于屬性的歸納，并獲得研究生目標(biāo)類的概念描述。3.解析特征化實(shí)例(續(xù))若設(shè)定屬性66第七章概念描述7.1概念描述基本知識(shí)7.2數(shù)據(jù)概化與基于匯總的特征化7.3解析特征化—屬性相關(guān)分析7.4挖掘概念比較—區(qū)分不同的類第七章概念描述7.1概念描述基本知識(shí)677.4挖掘概念比較—區(qū)分

不同的類 在許多應(yīng)用中，類（或概念）比較是我們感興趣的，它挖掘?qū)⒛繕?biāo)類與對(duì)比類相區(qū)分的描述。但目標(biāo)類和對(duì)比類必須是可比較的，即它們具有相似的維或?qū)傩浴? 在前面討論中，對(duì)處理單個(gè)類中的多層數(shù)據(jù)匯總和特征化所用的技術(shù)，同樣可用于處理多個(gè)可比較類的類比較。7.4挖掘概念比較—區(qū)分

不同的類 在許多應(yīng)用中，681.概念比較方法與實(shí)現(xiàn)概念比較的一般過(guò)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1.概念比較方法與實(shí)現(xiàn)概念比較的一般過(guò)程如下：691.概念比較方法與實(shí)現(xiàn)（續(xù)）例3：在大學(xué)數(shù)據(jù)庫(kù)中挖掘研究生與本科生概念對(duì)比描述知識(shí)。給定了屬性：姓名，性別，專業(yè)，出生地，出生日，居住地，電話和GPA。(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(biāo)數(shù)據(jù)集（研究生）和初始對(duì)比數(shù)據(jù)集（本科生）。1.概念比較方法與實(shí)現(xiàn)（續(xù)）例3：在大學(xué)數(shù)據(jù)庫(kù)中挖掘研究生與701.概念比較方法與實(shí)現(xiàn)（續(xù)）(2)對(duì)兩個(gè)不同類別數(shù)據(jù)集進(jìn)行屬性相關(guān)分析，消除無(wú)關(guān)和弱屬性。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。(3)進(jìn)行同步概化：在目標(biāo)數(shù)據(jù)集和對(duì)比數(shù)據(jù)集上進(jìn)行，概化到用戶指定的閾值控制的層，得到下面兩張表： 1.概念比較方法與實(shí)現(xiàn)（續(xù)）(2)對(duì)兩個(gè)不同類別數(shù)據(jù)集進(jìn)行屬71專業(yè)年齡區(qū)間GPA累計(jì)數(shù)％科學(xué)21—25良5.53％科學(xué)26—30良5.02％科學(xué)>30優(yōu)5.86％…………商學(xué)>30優(yōu)4.68％目標(biāo)類的主概化關(guān)系(研究生)專業(yè)年齡區(qū)間GPA累計(jì)數(shù)％科學(xué)21—25良5.53％科學(xué)272對(duì)比類主概化關(guān)系(本科生)專業(yè)年齡區(qū)間GPA累計(jì)數(shù)％科學(xué)16—20及格5.53％科學(xué)16—20良4.53％科學(xué)26—30良2.32％…………商學(xué)>30優(yōu)0.68％對(duì)比類主概化關(guān)系(本科生)專業(yè)年齡區(qū)間GPA累計(jì)數(shù)％科學(xué)16731.概念比較方法與實(shí)現(xiàn)（續(xù)）由表可看出，與本科生相比，研究生一般趨向于年齡稍大，GPA較高。(4)最后，結(jié)果概念對(duì)比描述以表、圖或規(guī)則的形式表示。這種可視化表示包括對(duì)比度量（如累計(jì)數(shù)％），以突出目標(biāo)類和比較類之間存在的差異。例如，5.02％的研究生選擇“科學(xué)”專業(yè)，年齡在26—30之間，GPA為良，而只有2.32％的本科生具有這種性質(zhì)。1.概念比較方法與實(shí)現(xiàn)（續(xù)）由表可看出，與本科生742.概念比較描述的表示

概念比較描述的可視化，可以采用概化關(guān)系、交叉表、條型圖、餅圖、曲線和規(guī)則。除邏輯規(guī)則外，其他形式與概念特征化所用形式相同。這里討論用規(guī)則的形式顯示概念比較。2.概念比較描述的表示 概念比較描述的可視化，可以采752.概念比較描述的表示(續(xù))比較描述中的目標(biāo)類和對(duì)比類的區(qū)分特性，可以用量化區(qū)分規(guī)則量化地描述。量化區(qū)分規(guī)則對(duì)描述中每個(gè)概化元組附上一個(gè)統(tǒng)計(jì)興趣度度量d-權(quán)。設(shè)qa是一個(gè)概化元組，Cj是目標(biāo)類。其中，qa覆蓋目標(biāo)類的某些元組。注意，qa也可能覆蓋對(duì)比類的某些元組，因?yàn)槲覀兲幚淼氖潜容^描述。2.概念比較描述的表示(續(xù))比較描762.概念比較描述的表示(續(xù))

qa的d-權(quán)是初始目標(biāo)類工作關(guān)系中被qa覆蓋的元組數(shù)與初始目標(biāo)類和對(duì)比類工作關(guān)系中被qa覆蓋的總元組數(shù)的比。形式上，qa關(guān)于Cj的d-權(quán)定義為：2.概念比較描述的表示(續(xù))qa的d-權(quán)是初始772.概念比較描述的表示(續(xù))

其中，m是目標(biāo)類和對(duì)比類的總數(shù)，Cj在{C1,…,Cm}中,而count(qa∈Cj)是類Cj中被qa覆蓋的元組數(shù)。d-權(quán)的取值范圍在[0,1]（或[0%,100%]）區(qū)間內(nèi)。高d-權(quán)的目標(biāo)類表明被概化元組代表的概念主要從目標(biāo)類導(dǎo)出；而低d-權(quán)表明概念主要從對(duì)比類導(dǎo)出。2.概念比較描述的表示(續(xù))其中782.概念比較描述的表示(續(xù))例4：在例3中假定對(duì)概化元組計(jì)數(shù)，由前面兩張表得到概化元組：專業(yè)=“科學(xué)”，年齡區(qū)間=“21-25”，GPA=“良”的計(jì)數(shù)分布，如表所示：學(xué)生類專業(yè)年齡區(qū)間GPA計(jì)數(shù)研究生科學(xué)21—25良90本科生科學(xué)21—25良210概化元組研究生和本科生的計(jì)數(shù)分布2.概念比較描述的表示(續(xù))例4：在例3中假定對(duì)概化元組計(jì)792.概念比較描述的表示(續(xù))給定概化元組的d-權(quán)關(guān)于目標(biāo)類是90/(90+210)=30%，關(guān)于對(duì)比類是210/(90+210)=70%。即是：如果一個(gè)學(xué)生專業(yè)是科學(xué)，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%。類似的，也可以導(dǎo)出其他概化元組的d-權(quán)。2.概念比較描述的表示(續(xù))給定概化802.概念比較描述的表示(續(xù))

一個(gè)確定目標(biāo)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))一個(gè)確定812.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(jì)數(shù)分布，一個(gè)對(duì)研究生的量化區(qū)分規(guī)則可表示如下：X，學(xué)生類(X)=“研究生”專業(yè)(X)=“科學(xué)”∧年齡區(qū)間(X)=“21-25”∧GPA(X)=“良”[d:30%]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(jì)822.概念比較描述的表示(續(xù))注：一個(gè)對(duì)比規(guī)則提供了一個(gè)充分條件，但它不是一個(gè)必要條件。例如上面的規(guī)則蘊(yùn)含：若X滿足條件，則X是研究生的概率為30%；但決不表示研究生有30%可能滿足這一條件。2.概念比較描述的表示(續(xù))注：一個(gè)對(duì)比規(guī)則提供了一個(gè)充分83第七章概念描述7.1概念描述基本知識(shí)7.2數(shù)據(jù)概化與基于匯總的特征化7.3解析特征化—屬性相關(guān)分析7.4挖掘概念比較—區(qū)分不同的類第七章概念描述7.1概念描述基本知識(shí)84第七章概念描述(續(xù))

DB中存放大量細(xì)節(jié)性數(shù)據(jù)，而用戶通常希望以簡(jiǎn)潔的描述形式觀察匯總的數(shù)據(jù)集。這種描述可提供某類數(shù)據(jù)的概貌以及與其他數(shù)據(jù)類的區(qū)別。此外，用戶希望方便靈活地以不同的粒度和從不同的角度描述數(shù)據(jù)集。這種描述性數(shù)據(jù)挖掘稱為概念描述，它是數(shù)據(jù)挖掘的一個(gè)重要部分。第七章概念描述(續(xù))DB中存放大857.1概念描述基本知識(shí)概念：通常指數(shù)據(jù)的匯集。概念描述：是描述式數(shù)據(jù)挖掘最基本形式，它以簡(jiǎn)潔匯總的形式描述給定數(shù)據(jù)集，提供數(shù)據(jù)的有趣的一般特性。7.1概念描述基本知識(shí)概念：通常指數(shù)據(jù)的匯集。867.1概念描述基本知識(shí)（續(xù)）概念描述的組成：特征化：提供了一個(gè)有關(guān)數(shù)據(jù)整體的簡(jiǎn)潔清晰描述。（定性描述）比較：提供了基于多組不同類數(shù)據(jù)的對(duì)比概念描述。（對(duì)比定性描述）7.1概念描述基本知識(shí)（續(xù)）概念描述的組成：877.1概念描述基本知識(shí)（續(xù)）

概念描述與數(shù)據(jù)概化密切相關(guān)。給定存放在DB中的大量數(shù)據(jù)，能夠以簡(jiǎn)潔的形式在更一般的抽象層描述數(shù)據(jù)是很有用的。允許數(shù)據(jù)集在多個(gè)抽象層概化，便于考察數(shù)據(jù)的一般行為。這種多維,多層數(shù)據(jù)概化類似于DW中的多維數(shù)據(jù)分析。而概念描述類似于DW的OLAP。7.1概念描述基本知識(shí)（續(xù)） 概念描述與數(shù)據(jù)概化密切887.1概念描述基本知識(shí)（續(xù)）

大型數(shù)據(jù)庫(kù)的概念描述和數(shù)據(jù)倉(cāng)庫(kù)的OLAP有何差別？概念描述可處理復(fù)雜的數(shù)據(jù)類型和聚集。概念描述是自動(dòng)處理數(shù)據(jù)挖掘過(guò)程。7.1概念描述基本知識(shí)（續(xù)） 大型數(shù)據(jù)庫(kù)的概念描897.1概念描述基本知識(shí)（續(xù)）

概念描述的方法包括多層概化、匯總、特征化和比較。這些方法形成實(shí)現(xiàn)數(shù)據(jù)挖掘的兩個(gè)主要功能模塊的基礎(chǔ)：多層特征化和比較。7.1概念描述基本知識(shí)（續(xù)） 概念描述的方法包括多90第七章概念描述7.1概念描述基本知識(shí)7.2數(shù)據(jù)概化與基于匯總的特征化7.3解析特征化—屬性相關(guān)分析7.4挖掘概念比較—區(qū)分不同的類第七章概念描述7.1概念描述基本知識(shí)917.2數(shù)據(jù)概化與基于匯總的

特征化

數(shù)據(jù)概化是一個(gè)分析過(guò)程，它將DB中與任務(wù)相關(guān)的大數(shù)據(jù)集從較低的概念層抽象到較高的概念層。對(duì)大量數(shù)據(jù)進(jìn)行有效靈活的概化方法主要有兩種：數(shù)據(jù)立方體方法基于屬性的歸納方法7.2數(shù)據(jù)概化與基于匯總的

特征化 數(shù)據(jù)概化是一個(gè)921.數(shù)據(jù)立方體方法

利用數(shù)據(jù)立方體方法進(jìn)行數(shù)據(jù)概化，被分析的數(shù)據(jù)存放在一個(gè)多維數(shù)據(jù)庫(kù)中，通過(guò)對(duì)多維數(shù)據(jù)立方進(jìn)行上卷或下鉆操作，可完成數(shù)據(jù)概化和數(shù)據(jù)細(xì)化工作。1.數(shù)據(jù)立方體方法 利用數(shù)據(jù)立方體方法進(jìn)行數(shù)據(jù)概化，被931.數(shù)據(jù)立方體方法（續(xù)） 數(shù)據(jù)立方體提供了一種有效的數(shù)據(jù)概化方法，且構(gòu)成了描述性數(shù)據(jù)挖掘中一個(gè)重要功能。但由于OLAP的數(shù)據(jù)立方實(shí)現(xiàn)是將維的類型限制在簡(jiǎn)單非數(shù)值類型，且將處理限制在簡(jiǎn)單數(shù)據(jù)匯總方面，因此數(shù)據(jù)立方體并不能解決概念描述所能解決的一些重要問(wèn)題。如：描述中應(yīng)作用哪些維？概化過(guò)程應(yīng)進(jìn)行到哪個(gè)抽象層次上？這些問(wèn)題均是由用戶負(fù)責(zé)提供答案的。1.數(shù)據(jù)立方體方法（續(xù)） 數(shù)據(jù)立方體提供了一種有效的數(shù)據(jù)942.基于屬性歸納方法基本思想：首先使用RDB查詢收集任務(wù)相關(guān)的數(shù)據(jù)；然后通過(guò)考察任務(wù)相關(guān)數(shù)據(jù)中每個(gè)屬性的不同值的個(gè)數(shù)，進(jìn)行概化。數(shù)據(jù)概化是通過(guò)屬性刪除或?qū)傩愿呕僮鱽?lái)完成。通過(guò)合并相同行并累計(jì)它們相應(yīng)的個(gè)數(shù)。這自然就減少了概化后數(shù)據(jù)集的大小，所獲結(jié)果以圖表、規(guī)則等多種不同形式提供給用戶。2.基于屬性歸納方法基本思想：952.基于屬性歸納方法（續(xù)）例1：從一個(gè)大學(xué)數(shù)據(jù)庫(kù)的學(xué)生數(shù)據(jù)中挖掘出研究生的一般特征。給定的屬性有：姓名、性別、專業(yè)、出生地、出生日期、居住地、電話和GPA（平均等級(jí)分）。AOI方法的第一步：

利用DB查詢語(yǔ)言從大學(xué)DB中將學(xué)生數(shù)據(jù)抽取出來(lái)，然后指定一組與挖掘任務(wù)相關(guān)的屬性集。2.基于屬性歸納方法（續(xù)）例1：從一個(gè)大學(xué)數(shù)據(jù)庫(kù)的學(xué)生數(shù)據(jù)中962.基于屬性歸納方法（續(xù)） 由于數(shù)據(jù)挖掘查詢通常只涉及DB的一部分，選擇相關(guān)的數(shù)據(jù)集不僅使得挖掘更有效，而且與在整個(gè)DB挖掘相比，能產(chǎn)生更有意義的規(guī)則。 對(duì)用戶而言，指定挖掘的屬性可能比較困難。有時(shí)，用戶只能選擇少量他感到可能重要的屬性，而遺漏在描述中可能起作用的其他屬性。2.基于屬性歸納方法（續(xù)） 由于數(shù)據(jù)挖掘查詢通常只涉及D972.基于屬性歸納方法（續(xù)）如：出生地維由屬性城市、省和國(guó)家定義。在這些屬性中，用戶或許只考慮了城市屬性。為了對(duì)出生地進(jìn)行概化處理，就必須將出生地概化所涉及到的其它屬性包含進(jìn)來(lái)。換句話說(shuō)，系統(tǒng)自動(dòng)地包括省和國(guó)家作為相關(guān)屬性，使得城市可以在歸納過(guò)程中概化到較高的概念層。2.基于屬性歸納方法（續(xù)）如：出生地維由屬性城市982.基于屬性歸納方法（續(xù)） 另一方面，用戶可能引進(jìn)過(guò)多的屬性，如：指定所有的屬性，這樣大學(xué)DB的所有屬性都將包含在分析中，而有些屬性對(duì)有趣的描述是沒(méi)有用的。2.基于屬性歸納方法（續(xù)） 另一方面，用戶可能引進(jìn)過(guò)多的99姓名性別專業(yè)出生地出生日居住地電話GPA王東海男CS合肥市79.07.26合肥市金寨路6567李哲男CS合肥市80.12.08合肥市蕪湖路18670汪燕女PH上海市80.09.03上海市高安路1250號(hào)021-623819603.83初始工作關(guān)系：任務(wù)相關(guān)數(shù)據(jù)的集合姓名性別專業(yè)出生地出生日居住地電話GPA王東海男CS合肥市71002.基于屬性歸納方法（續(xù)）對(duì)已經(jīng)準(zhǔn)備好的數(shù)據(jù)，如何進(jìn)行基于屬性歸納？AOI方法的第二步：

進(jìn)行數(shù)據(jù)概化操作，可用兩種方法之一進(jìn)行：屬性刪除，屬性概化。2.基于屬性歸納方法（續(xù)）對(duì)已經(jīng)準(zhǔn)備好的數(shù)據(jù)，如1012.基于屬性歸納方法（續(xù)）屬性刪除基于如下規(guī)則：若一個(gè)屬性有許多不同數(shù)值，且(a)該屬性無(wú)法進(jìn)行概化操作（如：沒(méi)有定義相應(yīng)的概念分層），或(b)它的更高層次概念是用其他屬性描述的，則該屬性應(yīng)當(dāng)從數(shù)據(jù)集中刪除。2.基于屬性歸納方法（續(xù)）屬性刪除基于如下規(guī)則：1022.基于屬性歸納方法（續(xù)）屬性概化基于如下規(guī)則：若一個(gè)屬性有許多不同數(shù)值，且該屬性存在一組概化操作，則可以選擇一個(gè)概化操作對(duì)該屬性進(jìn)行處理。

屬性刪除和屬性概化兩個(gè)規(guī)則都表明，如果某屬性有大量的不同值，應(yīng)當(dāng)進(jìn)行進(jìn)一步概化。這就提出一個(gè)問(wèn)題：多大才算“屬性具有大量不同值”？2.基于屬性歸納方法（續(xù)）屬性概化基于如下規(guī)則：1032.基于屬性歸納方法（續(xù)） 這取決于屬性或應(yīng)用，有的用戶愿意讓屬性留在較低的抽象層，而另一些用戶愿意將它們概化到較高的抽象層。控制將屬性概化到多高的抽象層通常是相當(dāng)主觀的。該過(guò)程的控制稱為屬性概化控制。2.基于屬性歸納方法（續(xù)） 這取決于屬性或應(yīng)用，有的用戶1042.基于屬性歸納方法（續(xù)）若屬性概化得“太高”，則導(dǎo)致過(guò)分概化，產(chǎn)生的規(guī)則可能沒(méi)有多少信息。若屬性概化沒(méi)有達(dá)到“足夠高的層次”，則“亞概化”也同樣可能使得到的規(guī)則變得失去意義。因此在基于屬性歸納時(shí)，掌握概化平衡非常重要。2.基于屬性歸納方法（續(xù)）若屬性概化得“太高”，1052.基于屬性歸納方法（續(xù)） 有許多控制概化過(guò)程的方法，下面是兩種常用的方法：(1)屬性概化閾值控制 該技術(shù)是對(duì)所有屬性統(tǒng)一設(shè)置一個(gè)概化閾值（取值范圍一般為2到8）。如果屬性的不同值個(gè)數(shù)大于屬性概化閾值，則應(yīng)當(dāng)進(jìn)行進(jìn)一步的屬性刪除或?qū)傩愿呕?.基于屬性歸納方法（續(xù)） 有許多控制概化過(guò)程的方法，下1062.基于屬性歸納方法（續(xù)）(2)概化關(guān)系閾值控制 為概化關(guān)系設(shè)置一個(gè)閾值（通常取值范圍為10到30）。如果概化關(guān)系中不同元組的個(gè)數(shù)超過(guò)該閾值，則應(yīng)當(dāng)進(jìn)一步概化；否則，不再進(jìn)一步概化。2.基于屬性歸納方法（續(xù)）(2)概化關(guān)系閾值控制1072.基于屬性歸納方法（續(xù)）

這兩種技術(shù)可以順序使用：首先使用屬性概化閾值控制技術(shù)概化每個(gè)屬性，然后使用概化關(guān)系閾值控制進(jìn)一步減少概化關(guān)系的（規(guī)模）大小。無(wú)論使用哪種概化控制技術(shù)，都應(yīng)當(dāng)允許用戶調(diào)整概化閾值，以便得到有趣的規(guī)則。2.基于屬性歸納方法（續(xù)） 這兩種技術(shù)可以順序使用：首1082.基于屬性歸納方法（續(xù)）例1（續(xù)）：對(duì)前面得到的初始工作關(guān)系的每個(gè)屬性，概化過(guò)程如下：1）姓名：由于姓名存在大量不同值，并且其上沒(méi)有定義概念分層，該屬性被刪除。2）性別：由于性別只有兩個(gè)不同值，該屬性保留，并不對(duì)其進(jìn)行概化。2.基于屬性歸納方法（續(xù)）例1（續(xù)）：對(duì)前面得到的初始工作關(guān)1092.基于屬性歸納方法（續(xù)）3）專業(yè)：假設(shè)定義了一個(gè)概念分層，從而可以對(duì)專業(yè)屬性進(jìn)行概化。又假設(shè)屬性概化閾值置為5，在初始數(shù)據(jù)集合中有25個(gè)不同取值。則通過(guò)對(duì)屬性概化和屬性概化控制，專業(yè)屬性被概化到指定的概念（如：科學(xué)，工程，商學(xué)）。2.基于屬性歸納方法（續(xù)）3）專業(yè)：假設(shè)定義了一個(gè)概念分層1102.基于屬性歸納方法（續(xù)）4）出生地：該屬性有大量不同值，因此應(yīng)當(dāng)概化它。設(shè)出生地的概念分層為：城市<省<國(guó)家。如果初始關(guān)系中，國(guó)家取值超過(guò)了屬性概化閾值，則出生地應(yīng)當(dāng)刪除，因?yàn)楸M管可以進(jìn)行概化操作，概化閾值也不會(huì)滿足。但如果假定國(guó)家的取值個(gè)數(shù)小于概化閾值，則出生地應(yīng)當(dāng)概化到出生國(guó)家。2.基于屬性歸納方法（續(xù)）4）出生地：該屬性有大量不同值，1112.基于屬性歸納方法（續(xù)）5）出生日期：假定存在概念分層，可以將出生日期概化到年齡，而年齡概化到年齡分類，并且年齡分類的區(qū)間數(shù)小于對(duì)應(yīng)的屬性概化閾值，則應(yīng)當(dāng)對(duì)出生日期進(jìn)行概化。2.基于屬性歸納方法（續(xù)）5）出生日期：假定存在概念分層，1122.基于屬性歸納方法（續(xù)）6）居住地：假定居住地被屬性號(hào)碼，街道，城市，省，國(guó)家定義。號(hào)碼和街道的不同值一般很多，而且這些概念的層次相當(dāng)?shù)汀Ｒ虼?，?hào)碼和街道應(yīng)當(dāng)刪除，將居住地概化到居住城市。這樣可包含較少的不同值。2.基于屬性歸納方法（續(xù)）6）居住地：假定居住地被屬性號(hào)碼1132.基于屬性歸納方法（續(xù)）7）電話：與屬性姓名一樣，因包含太多不同值，應(yīng)當(dāng)在概化中刪除。8）GPA：假定存在GPA的概念分層，將平均成績(jī)分成若干區(qū)間，如：{3.75-4.0，3.5-3.75，…}，也可相應(yīng)的描述為：{優(yōu)秀，良好，…}，因此該屬性可以被概化。2.基于屬性歸納方法（續(xù)）7）電話：與屬性姓名一樣，因包含太1142.基于屬性歸納方法（續(xù)） 概化過(guò)程會(huì)產(chǎn)生一系列內(nèi)容相同的數(shù)據(jù)行，相同內(nèi)容的數(shù)據(jù)行被合并成一個(gè)，并累計(jì)它們的計(jì)數(shù)值。最終結(jié)果如下表：2.基于屬性歸納方法（續(xù)） 概化過(guò)程會(huì)產(chǎn)生一系列內(nèi)容相同115性別專業(yè)出生國(guó)年齡區(qū)間出生城市GPA累計(jì)男科學(xué)中國(guó)20—25合肥良好16女工程中國(guó)25—30上海優(yōu)秀22對(duì)初始關(guān)系的數(shù)據(jù)進(jìn)行基于屬性歸納得到的廣義關(guān)系：性別專業(yè)出生國(guó)年齡區(qū)間出生城市GPA累計(jì)男科學(xué)中國(guó)20—251163.基于屬性歸納算法算法：基于屬性的歸納輸入：(1)關(guān)系DB；(2)數(shù)據(jù)挖掘命令DMQuery；(3)屬性表a_list；(4)屬性ai上的概念分層或概化操作符的集合Gen(a)；(5)每個(gè)屬性ai概化閾值a_gen_thresh(a)3.基于屬性歸納算法算法：基于屬性的歸納1173.基于屬性歸納算法(續(xù))輸出：主概化關(guān)系P（包含基于a_list屬性集的一個(gè)定性概念描述）

方法：(1)W←get_task_relevant_data(DMQuery,DB)；//工作關(guān)系W存放任務(wù)相關(guān)的數(shù)據(jù)(2)prepare_for_generalization(W)//該步實(shí)現(xiàn)如下:3.基于屬性歸納算法(續(xù))輸出：主概化關(guān)系P（包含基于a_1183.基于屬性歸納算法(續(xù))(a)掃描W，收集每個(gè)ai屬性取不同值的個(gè)數(shù)。(b)對(duì)每個(gè)屬性ai，根據(jù)給定的或缺省的屬性閾值，確定ai是否應(yīng)當(dāng)刪除；如果不刪除，則計(jì)算它的最小期望層次Li，并確定映射對(duì)(v,v’)，基中v是W中ai的不同值，v’是其在層Li對(duì)應(yīng)的概化值。3.基于屬性歸納算法(續(xù))(a)掃描W，收集每個(gè)ai屬性取不1193.基于屬性歸納算法(續(xù))(3)P←generalization(W） 通過(guò)用其在映射中對(duì)應(yīng)的v’替換W中每個(gè)值v，累計(jì)計(jì)數(shù)并計(jì)算所有聚集值，導(dǎo)出主概化關(guān)系P。 這一步可用下面兩種方法有效實(shí)現(xiàn)：(a)對(duì)每個(gè)概化元組，通過(guò)二分檢索將它插入主關(guān)系P中。如果元組已在P中，則簡(jiǎn)單地增加它的計(jì)數(shù)值并相應(yīng)處理其他聚集值；否則，將它插入P。3.基于屬性歸納算法(續(xù))(3)P←generalizati1203.基于屬性歸納算法(續(xù))(b)在大部分情況下，由于主關(guān)系層不同值的個(gè)數(shù)很少，可以將主關(guān)系編碼，作為m_維數(shù)組，其中m是P中的屬性數(shù)，而每個(gè)維包含對(duì)應(yīng)的概化屬性值。數(shù)組的每個(gè)元素存放對(duì)應(yīng)的計(jì)數(shù)和其他聚集值。概化元組的插入通過(guò)對(duì)應(yīng)的數(shù)組元素上的度量聚集進(jìn)行。3.基于屬性歸納算法(續(xù))(b)在大部分情況下，由于主關(guān)系層1214.基于屬性歸納結(jié)果的表示基于屬性歸納方法的挖掘結(jié)果可以有多種輸出表示形式。4.基于屬性歸納結(jié)果的表示基于屬性歸納方法的挖122地點(diǎn)商品銷售額(百萬(wàn))個(gè)數(shù)累計(jì)(千)亞洲電視15300歐洲電視12250北美電視28450亞洲電腦1201000歐洲電腦1501200北美電腦2001800表格表示描述地點(diǎn)商品銷售額個(gè)數(shù)累計(jì)(千)亞洲電視15300歐洲電視122123地點(diǎn)或商品電視電腦電視+電腦銷售額累計(jì)銷售額累計(jì)銷售額累計(jì)亞洲1530012010001351300歐洲1225015012001621450北美2845020018002282250所有地區(qū)45100047040005255000組合表表示描述地點(diǎn)電視電腦電視+電腦銷售額累計(jì)銷售額累計(jì)銷售額累計(jì)亞洲15124棒圖表示描述棒圖表示描述125第七章概念描述7.1概念描述基本知識(shí)7.2數(shù)據(jù)概化與基于匯總的特征化7.3解析特征化—屬性相關(guān)分析7.4挖掘概念比較—區(qū)分不同的類第七章概念描述7.1概念描述基本知識(shí)1267.3解析特征化—屬性相關(guān)分析1.屬性相關(guān)分析意義 在挖掘定性概念描述知識(shí)過(guò)程中，DW和OLAP工具中的多維數(shù)據(jù)分析有兩個(gè)局限：一是無(wú)法處理復(fù)雜對(duì)象，二是缺乏自動(dòng)概化過(guò)程。7.3解析特征化—屬性相關(guān)分析1.屬性相關(guān)分析意義1271.屬性相關(guān)分析意義（續(xù)） 通常，用戶告訴數(shù)據(jù)挖掘系統(tǒng)每個(gè)維應(yīng)當(dāng)概化到多高層次并不困難，但確定數(shù)據(jù)集的定性描述應(yīng)包含哪些屬性是一件困難的事。我們引進(jìn)一些方法進(jìn)行屬性（或維）相關(guān)分析，以過(guò)濾掉統(tǒng)計(jì)上不相關(guān)或弱相關(guān)的屬性，而保留與挖掘任務(wù)最相關(guān)的屬性。1.屬性相關(guān)分析意義（續(xù)） 通常，用戶告訴數(shù)據(jù)挖掘系1281.屬性相關(guān)分析意義（續(xù)）包含屬性（維）相關(guān)分析的類特征化稱為解析特征化；包含屬性（維）相關(guān)分析的類比較稱為解析比較。 直觀上，若一個(gè)屬性的取值可以幫助有效地區(qū)分不同類別的數(shù)據(jù)集，則這個(gè)屬性就被認(rèn)為是與相應(yīng)類別數(shù)據(jù)集密切相關(guān)的。1.屬性相關(guān)分析意義（續(xù)）包含屬性（維）相關(guān)分析的類特征化1291.屬性相關(guān)分析意義（續(xù)）例：一輛汽車的顏色不太可能用于區(qū)分貴賤汽車（類別），但汽車的型號(hào)、品牌、制造商、款式和氣缸數(shù)可能是更相關(guān)的屬性。此外，即使在同一個(gè)維內(nèi)，對(duì)于區(qū)分一個(gè)類與其他類，在不同的概念層也可能有很不相同的能力。1.屬性相關(guān)分析意義（續(xù)）例：一輛汽車的顏色不太可能用于區(qū)分1301.屬性相關(guān)分析意義（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)。這意味著相關(guān)分析應(yīng)當(dāng)在多層次進(jìn)行，并且只有那些最相關(guān)的維層次應(yīng)當(dāng)包含在分析中。1.屬性相關(guān)分析意義（續(xù)）例：在出生日維中，生日和生月都不太1311.屬性相關(guān)分析意義（續(xù)）屬性的相關(guān)性要根據(jù)屬性區(qū)分一個(gè)類與其他類的能力來(lái)評(píng)估。在挖掘概念比較時(shí)，目標(biāo)類和對(duì)比類要明顯地在挖掘查詢中給出。前面在挖掘概念特征時(shí)，只有一個(gè)被特征化的類，即沒(méi)有說(shuō)明對(duì)比類。哪些對(duì)比類應(yīng)當(dāng)用于相關(guān)分析并非是明顯的。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(duì)比類。1.屬性相關(guān)分析意義（續(xù)）屬性的相關(guān)1322.屬性相關(guān)分析方法

屬性相關(guān)分析的基本思想：計(jì)算某種度量，用于量化屬性與給定類或概念的相關(guān)性。這些度量包括：信息增益，Gini索引，不確定性和相關(guān)系數(shù)。

2.屬性相關(guān)分析方法屬性相關(guān)分析的基本思想：1332.屬性相關(guān)分析方法（續(xù)）下面介紹一種方法，它將信息增益分析技術(shù)和基于多維數(shù)據(jù)分析的方法集成在一起。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。這里以ID3決策樹(shù)歸納學(xué)習(xí)方法為例進(jìn)行介紹。2.屬性相關(guān)分析方法（續(xù)）下面介紹一種1342.屬性相關(guān)分析方法（續(xù)）

設(shè)S是訓(xùn)練樣本的集合，其中每個(gè)樣本的類標(biāo)號(hào)已知，共有m個(gè)不同類別,則S包含si個(gè)Ci類樣本，i=1，…，m。任意一個(gè)樣本屬于類Ci的概率為si/s，其中s是集合S所有樣本總數(shù)。一個(gè)決策樹(shù)可用于對(duì)數(shù)據(jù)對(duì)象進(jìn)行分類,因此決策樹(shù)可以看成是Ci的一個(gè)信息源,為產(chǎn)生相應(yīng)信息需要的信息熵為：2.屬性相關(guān)分析方法（續(xù)）設(shè)S是1352.屬性相關(guān)分析方法（續(xù)）(7.1)若屬性A的取值為{a1，a2，…，av}，且該屬性用作決策樹(shù)的一個(gè)結(jié)點(diǎn)時(shí)，可將S劃分為子集{S1，S2，…，Sv}。其中Sj

包含屬性A取同一值aj的數(shù)據(jù)行；Sj包含類Ci的sij個(gè)樣本。2.屬性相關(guān)分析方法（續(xù)）1362.屬性相關(guān)分析方法（續(xù)）根據(jù)屬性A的取值對(duì)當(dāng)前數(shù)據(jù)集劃分所獲得的信息就稱為屬性A的熵。它的計(jì)算公式如下：

(7.2)

A上該劃分得到的信息增益定義為:

Gain(A)=I(s1,s2,…,sm)-E(A)(7.3)2.屬性相關(guān)分析方法（續(xù)）根據(jù)屬性A的取值對(duì)當(dāng)前數(shù)據(jù)集劃1372.屬性相關(guān)分析方法（續(xù)）

ID3方法根據(jù)S集合中數(shù)據(jù)對(duì)象來(lái)計(jì)算每個(gè)屬性Gain(A)值，并從中選擇出值最大的作為決策樹(shù)根結(jié)點(diǎn)，并根據(jù)該屬性的取值個(gè)數(shù)將初始數(shù)據(jù)集劃分為v份，即通過(guò)不斷對(duì)每個(gè)新產(chǎn)生的數(shù)據(jù)子集循環(huán)進(jìn)行上述操作，直到產(chǎn)生所有葉結(jié)點(diǎn)為止，至此就獲得一個(gè)決策樹(shù)。2.屬性相關(guān)分析方法（續(xù)） ID3方法根據(jù)S1382.屬性相關(guān)分析方法（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(guò)查詢處理，收集目標(biāo)類和對(duì)比類的數(shù)據(jù)。(2)使用保守的AOI進(jìn)行預(yù)相關(guān)分析：這里進(jìn)行的AOI使用的屬性分析閾值要合理的大，使得更多的屬性在選定度量的進(jìn)一步相關(guān)分析中被考慮。使用保守AOI得到的關(guān)系稱作候選關(guān)系。2.屬性相關(guān)分析方法（續(xù)）概念描述的屬1392.屬性相關(guān)分析方法（續(xù)）(3)使用選定的相關(guān)分析度量刪除不相關(guān)和弱相關(guān)屬性：使用選定的相關(guān)分析度量，評(píng)估候選關(guān)系中的每個(gè)屬性。根據(jù)計(jì)算的屬性與數(shù)據(jù)挖掘任務(wù)的相關(guān)性，對(duì)屬性排序，然后刪除不相關(guān)和弱相關(guān)屬性。其結(jié)果為初始目標(biāo)類（對(duì)比類）工作關(guān)系。(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(jìn)行AOI。2.屬性相關(guān)分析方法（續(xù)）(3)使用選定的相關(guān)分析度量刪除不1403.解析特征化實(shí)例例2：使用解析特征化挖掘大學(xué)數(shù)據(jù)庫(kù)里研究生的一般特征描述。執(zhí)行步驟為：（1）收集目標(biāo)類數(shù)據(jù)，它由研究生的集合組成。對(duì)比類取本科生的集合。（2）用保守的屬性概化閾值進(jìn)行基于屬性的歸納，通過(guò)屬性刪除和屬性概化進(jìn)行預(yù)相關(guān)分析（分析過(guò)程如例1）。得到下面兩張表：3.解析特征化實(shí)例例2：使用解析特征化挖掘大學(xué)數(shù)據(jù)庫(kù)里研究141性別專業(yè)出生國(guó)年齡區(qū)間GPA累計(jì)計(jì)數(shù)男科學(xué)中國(guó)21—25良16女科學(xué)外國(guó)26—30優(yōu)22男工程外國(guó)26—30優(yōu)18女科學(xué)外國(guó)26—30優(yōu)25男科學(xué)中國(guó)21—25優(yōu)21女工程中國(guó)21—25優(yōu)18由解析特征化得到的候選關(guān)系：目標(biāo)類（研究生）性別專業(yè)出生國(guó)年齡區(qū)間GPA累計(jì)計(jì)數(shù)男科學(xué)中國(guó)21—25良1142由解析特征化得到的候選關(guān)系：對(duì)比類（本科生）性別專業(yè)出生國(guó)年齡區(qū)間GPA累計(jì)計(jì)數(shù)男科學(xué)外國(guó)<=20良18女商學(xué)中國(guó)<=20及格20男商學(xué)中國(guó)<=20及格22女科學(xué)中國(guó)21—25及格24男工程外國(guó)21—25良22女工程中國(guó)<=20優(yōu)24由解析特征化得到的候選關(guān)系：性別專業(yè)出生國(guó)年齡區(qū)間GPA累計(jì)1433.解析特征化實(shí)例(續(xù))（3）使用選定的相關(guān)分析度量(如信息增益),評(píng)估候選關(guān)系中的屬性。設(shè)：C1對(duì)應(yīng)于研究生類，有120個(gè)樣本；C2對(duì)應(yīng)于本科生類，有130個(gè)樣本。為計(jì)算每個(gè)屬性的信息增益，首先用公式(7.1)計(jì)算對(duì)給定的樣本分類所需要的期望信息：3.解析特征化實(shí)例(續(xù))（3）使用選定的相關(guān)分析度量(如信1443.解析特征化實(shí)例(續(xù))3.解析特征化實(shí)例(續(xù))1453.解析特征化實(shí)例(續(xù))下面計(jì)算每個(gè)屬性的信息熵，以專業(yè)為例：專業(yè)=“科學(xué)”：

S11=84S21=42I（S11，S21）=0.9183專業(yè)=“工程”：

S12=36S22=46I（S12，S22）=0.9892專業(yè)=“商學(xué)”：

S13=0S23=42I（S13，S23）=03.解析特征化實(shí)例(續(xù))下面計(jì)算每個(gè)1463.解析特征化實(shí)例(續(xù))

再利用公式(7.2)，如果樣本根據(jù)專業(yè)劃分，則對(duì)給定的樣本進(jìn)行分類所需的期望信息為：3.解析特征化實(shí)例(續(xù))再利用公1473.解析特征化實(shí)例(續(xù))從而得到，由這樣的劃分的信息增益為：Gain(專業(yè))=I(s1,s2)-E(專業(yè))=0.2115

類似地，也可計(jì)算獲得其他屬性的信息增益，它們排序后結(jié)果為：

性別(0.0003)，出生國(guó)(0.0407)，專業(yè)(0.2115)，GPA(0.4490)，年齡區(qū)間(0.5971)3.解析特征化實(shí)例(續(xù))從而得到，由1483.解析特征化實(shí)例(續(xù))若設(shè)定屬性相關(guān)閾值為0.1，以此來(lái)判斷弱相關(guān)屬性。屬性性別(0.0003)和出生國(guó)(0.0407)

的信息增益小于該閾值，因此被認(rèn)為是弱相關(guān)的，它們同時(shí)從目標(biāo)類和對(duì)比類中被刪除。由此產(chǎn)生初始目標(biāo)類工作關(guān)系。（4）最后利用前述算法對(duì)初始目標(biāo)類工作關(guān)系進(jìn)行基于屬性的歸納，并獲得研究生目標(biāo)類的概念描述。3.解析特征化實(shí)例(續(xù))若設(shè)定屬性149第七章概念描述7.1概念描述基本知識(shí)7.2數(shù)據(jù)概化與基于匯總的特征化7.3解析特征化—屬性相關(guān)分析7.4挖掘概念比較—區(qū)分不同的類第七章概念描述7.1概念描述基本知識(shí)1507.4挖掘概念比較—區(qū)分

不同的類 在許多應(yīng)用中，類（或概念）比較是我們感興趣的，它挖掘?qū)⒛繕?biāo)類與對(duì)比類相區(qū)分的描述。但目標(biāo)類和對(duì)比類必須是可比較的，即它們具有相似的維或?qū)傩浴? 在前面討論中，對(duì)處理單個(gè)類中的多層數(shù)據(jù)匯總和特征化所用的技術(shù)，同樣可用于處理多個(gè)可比較類的類比較。7.4挖掘概念比較—區(qū)分