RoughSets属性约简算法

参考资料：http://baike.baidu.com/link?url=vlCBGoGR0_97l9SQ-WNeRv7oWb-3j7c6oUnyMzQAU3PTo0fx0O5MVXxckgqUlP871xR2Le-puGfFcrA4-zIntq

更多挖掘算法：https://github.com/linyiqun/DataMiningAlgorithm

介绍

RoughSets算法是一种比较新颖的算法，粗糙集理论对于数据的挖掘方面提供了一个新的概念和研究方法。本篇文章我不会去介绍令人厌烦的学术概念，就是简单的聊聊RoughSets算法的作用，直观上做一个了解。此算法的应用场景是，面对一个庞大的数据库系统，如何从里面分析出有效的信息，如果一database中有几十个字段，有我们好受的了，但是一般的在某些情况下有些信息在某些情况下是无用的或者说是无效的，这时候我们假设在不影响最终决策分类结果的情况下，对此属性进行约简。这就是RoughSets所干的事情了。

算法原理

算法的原理其实很简单，所有属性分为2种属性1类为条件属性，1类为决策属性，我们姑且把决策属性设置在数据列的最后一列，算法的步骤依次判断条件属性是否能被约简，如果能被约简，此输出约简属性后的规则，规则的形式大体类似于IF---THEN的规则。下面举1个例子，此例子来自于百度百科上的粗糙集理论。

给定8条记录：

元素 颜色 形状 大小 稳定性

x1 红 三角 大 稳定

x2 红 三角 大 稳定

x3 黄 圆 小 不稳定

x4 黄 圆 小 不稳定

x5 蓝 方块 大 稳定

x6 红 圆 中 不稳定

x7 蓝 圆 小 不稳定

x8 蓝 方块 中 不稳定

在这里还是得介绍几个最基本的一些概念，这里的所有的记录的集合叫做论域，那么这个论域能表达出一些什么知识或者信息呢，比如说蓝色的或者中的积木={X5，X7，X8}U{X6,X8}={X5,X6,X7,X8}，同理，通过论域集合内的记录进行交并运算能够表达出不同的信息。在这里总共有3个属性，就可以分成3x3=9个小属性分类，如下：

A/R1={X1,X2,X3}={ {x1,x2,x6},{x3,x4},{x5,x7,x8}} （颜色分类）

A/R2={Y1,Y2,Y3}={ {x1,x2},{x5,x8},{x3,x4,x6,x7}} （形状分类）

A/R3={Z1,Z2,Z3}={ {x1,x2,x5},{x6,x8},{x3,x4,x7}} （大小分类）

我们定义一个知识系统A/R=R1∩R2∩R3，就是3x3x3总共27种可能，每行各取1个做计算组后的结果为

A/R={ {x1,x2},{x3,x4},{x5},{x6},{x7},{x8}}，所以这个知识系统所决定的知识就是A/R中所有的集合以此这些集合的并集。给定一个集合如何用知识系统中的集合进行表示呢，这就用到了又一对概念，上近似和下近似。比如说给定集合X={X2,X5X7}，在知识库中就是下近似{X2.X5}，上近似{X1,X2,X5,X7}，上下近似的完整定义是下近似集是在那些所有的包含于X的知识库中的集合中求交得到的，而上近似则是将那些包含X的知识库中的集合求并得到的。在后面的例子中我也是以一个集合的上下近似集是否是等于他自身来对知识系统是否是允许的做一个判断。(这只是我自己的判断原则，并不是标准的)

下面是属性约简的过程，从颜色开始，这时知识系统变为了那么知识系统变成A/(R-R1)={ {x1,x2},{x3,x4,x7},,,}以及这些子集的并集，此时稳定的集合{X1,X2,X5}的集合上下近似集还是他本身，所有没有改变，说明此属性是可以约简的，然后再此基础上在约简，直到上下近似集的改变。依次3种属性进行遍历。最后得到规则，我们以约简颜色属性为例，我们可以得出的规则是大三角的稳定，圆小的不稳定等等。大体原理就是如此，也许从某些方面来说还有欠妥的地方。

算法的代码实现