數據挖掘 自習筆記 第三章 定性概括實踐（下）

屬性相關分析方法：

首先，個人讀後感是，對這一系列我感到比較困惑，不過，若是遇到實際問題的時候，只能按照例子，照搬步驟來分析。可是我初步理解到，按照下面的操做，是經過信息量，來分出個屬性的主次，以便消除弱相關屬性，並得到初始工做數據集。

這是一個基於信息（熵）進行屬性相關分析的基本內容。

事例3.7：假設須要利用分析定性描述概括方法，從一個大學數據庫挖掘研究生的概念定性描述。

（1） 創建研究生目標數據集合。

（2） 利用AOI方法，根據屬性泛化控制闕值對目標數據集所包含的屬性進行初步分析。消除取值過多的屬性並進行小規模屬性泛化操做。從而得到3.5的結果。

（3） 用屬性相關分析方法。首先是利用公式3.4計算當前數據進行分類所須要的信息量：

再用公式3.5 計算若利用major屬性對數據進行分支所須要的信息爲：

（4） 消除弱相關屬性，並得到初始工做數據集。

（5） 最後利用算法3.1進行基於屬性的概括，並得到研究生目標數據集的概念描述。

 

基於屬性概括結果的表示

AOI方法的挖掘結果能夠有多種輸出表示形式。利用基於屬性概括所得到的挖掘結果一般都是採用如表-3.2所示的表格形式來加以描述。如下就是這樣描述AOI方法挖掘結果的事例。

示例3.3：假設基於屬性概括操做是在一個商場數據庫（2000年銷售額）中進行的，從而得到如表-3.3所示的（泛化）概括結果。

對上述概括結果，咱們能夠轉換成棒圖表示描述

分析定性描述事例

若所挖掘的概念秒速涉及許多屬性，就須要對分析定性描述挖掘（analytical characterization）