三十七、数据泛化（面向属性的归纳）

1. 数据泛化：面向属性的归纳

从概念上讲，数据立方体可以看做一种多维数据泛化。数据泛化通过把相对低层的值（例如，属性年龄的数值）用较高层概念（例如，青年、中年和老年）替换来汇总数据。

• 数据特征化的面向属性的归纳
• 面向属性归纳的有效实现
• 类比较的面向属性归纳

2 数据特征的面向属性的归纳

2.1 面向属性的归纳的基本步骤

1. 数据聚焦，获得初始数据关系
2. 进行面向属性的归纳

基本操作是数据泛化，对有大量不同的属性，进行一下操作：

• 属性删除
• 属性泛化
• 属性泛化控制

2.2 数据聚焦

• 目的是获得跟任务相关的数据集，包括属性或维，在DMQL中它们由in relevance to子句表示。

• 获取Big-University数据库中研究生的数据

    use Big_University_DB
    	select name,gender,major,birth_place,birth_date
    	from student
    	To Science in “graduate”
    where status in “graduate”  
  

• 用户可能引进太多的属性

2.3 数据泛化

• 属性删除的使用规则：对初始工作关系中具有大量不同值的属性，符合一下情况，应使用属性删除。
• 在此属性上没有泛化操作符（比如该属性没有定义相关的感念分层）
• 该属性的较高层概念用其他属性表示。如：属性是street，它的高层次概念用属性<city, province_or_state, country>

2.4 属性概化控制

• 属性概化的使用规则：如果初始工作关系中的某个属性由大量不同值，且该属性上存在概化操作符，则使用该泛化操作对该属性进行数据泛化操作。
• 什么是“具有大量的不同值”？要将属性概化到多高的抽象层？
• 属性泛化控制的两种常用方法：
• 属性泛化临界值控制：对所有属性设置一个泛化临界值或对每个属性分别设置一个临界值。

3 面向属性归纳的有效实现

3.1 基本步骤

• 第一步进行的是关系查询，把任务相关的数据收集到工作关系表W中。
• 第二步收集初始关系上的统计量。这最多需要扫描一次该关系。
• 第三部导出主观系P。通过扫描工作关系的每个元组并把广义元祖插入到P中完成
  

4 类比较的面向属性归纳

4.1 类比较的面向属性归纳的过程
在许多应用中，用户可能对单个类的概念或特征不感兴趣，而是希望挖掘一种描述，它将一个类与其他课比较的类相区分

• 数据收集：通过查询处理收集数据库中相关数据，并把它们划分成一个目标类和对比类。
• 维相关分析：如果有多个维，则应当在这些类上进行维相关分析。
• 同步泛化：泛化在目标类上进行，泛化到用户或领域专家指定的维阈值控制的层，产生主目标类关系。
• 导出类比较的表示：结果类比较描述可以用表、图或规则的形式可视化。

4.2 挖掘类比较

假设我们想比较Big_University的研究生和本科生的一般性质，给定了属性name,gender,major,
birth_place,birth_date,residence,phone#和gpa。

首先将该查询转换成两个关系查询，收集两个任务相关的集合：一个是初始目标类工作关系，另一个是初始对比类工作关系。

合：一个是初始目标类工作关系，另一个是初始对比类工作关系。