数据集成:合并来自多个数据存储的数据。
小心集成有助于减少结果数据集的冗余和不一致,有助于提高其后挖掘过程的准确性和速度。
在数据集成时,模式集成和对象匹配需要技巧,涉及这实体识别问题。每个属性的元数据包括名字,含义,数据类型和属性的允许取值范围,以及处理空白,零或零值的空值规则。这样的元数据可以用来帮助避免模式集成的错误。在集成期间,当一个数据库的属性与另一个数据库属性匹配时,必须特别注意数据结构。这旨在确保源系统中的函数依赖和参照约束与目标系统的匹配。
冗余和相关分析
有些冗余可以被相关分析检测到,给定两个属性,这种分析可以根据可用的数据,度量一个属性能在多大程度上蕴含另一个。对于标称数据,使用我们检验。对于数值属性,使用我们相关系数状语从句:协方差。
1数据标称的相关检验
标称数据的两个属性甲和B