数据挖掘 自习笔记 第三章 定性归纳实践（下）

属性相关分析方法：

首先，我的读后感是，对这一系列我感到比较困惑，不过，如果遇到实际问题的时候，只能按照例子，照搬步骤来分析。但是我初步理解到，按照下面的操作，是通过信息量，来分出个属性的主次，以便消除弱相关属性，并获得初始工作数据集。

这是一个基于信息（熵）进行属性相关分析的基本内容。

事例3.7：假设需要利用分析定性描述归纳方法，从一个大学数据库挖掘研究生的概念定性描述。

（1） 建立研究生目标数据集合。

（2） 利用AOI方法，根据属性泛化控制阙值对目标数据集所包含的属性进行初步分析。消除取值过多的属性并进行小规模属性泛化操作。从而获得3.5的结果。

（3） 用属性相关分析方法。首先是利用公式3.4计算当前数据进行分类所需要的信息量：

再用公式3.5 计算若利用major属性对数据进行分支所需要的信息为：

（4） 消除弱相关属性，并获得初始工作数据集。

（5） 最后利用算法3.1进行基于属性的归纳，并获得研究生目标数据集的概念描述。

 

基于属性归纳结果的表示

AOI方法的挖掘结果可以有多种输出表示形式。利用基于属性归纳所获得的挖掘结果通常都是采用如表-3.2所示的表格形式来加以描述。以下就是这样描述AOI方法挖掘结果的事例。

示例3.3：假设基于属性归纳操作是在一个商场数据库（2000年销售额）中进行的，从而获得如表-3.3所示的（泛化）归纳结果。

对上述归纳结果，我们可以转换成棒图表示描述

分析定性描述事例

若所挖掘的概念秒速涉及许多属性，就需要对分析定性描述挖掘（analytical characterization）

来源：oschina

链接：https://my.oschina.net/u/1021819/blog/131159