数据挖掘中的 分析定性描述

挖掘的数据包含许多的属性（维），就需要进行分析定性描述挖掘：先消除无关和弱相关属性再进行泛化处理。

 

1.从数据库或文本中获得数据，包括：要分析的数据与要对比的数据。

 

2.根据阀值对数据中的属性进行初步的分析，消除取值过多的属性并进行小规模属性泛化。

 

3.利用信息增益方法选择有关的属性。

    c1 = 100     原数据数量

    c2 = 120    对比数据数量

    得出数据的信息量：

    I(s1, s2) = -c1/c1+c2*log2(c1/c1+c2) - c2/c1+c2*log2(c2/c1+c2)

   计算每个属性的信息熵：

    I(a1, a2) = -a1/a1+a2*log2(a1/a1+a2) - a2/a1+a2*log2(a2/a1+a2)

    I(b1, b2) = -b1/b1+b2*log2(b1/b1+b2) - b2/b1+b2*log2(b2/b1+b2)

    I(d1, d2) = -d1/d1+d2*log2(d1/d1+d2) - d2/d1+d2*log2(d2/d1+d2)

    每一个属性所需要的信息：

    I(ma) = l(a1, a2)*(a1+a2)/c1+c2 + l(b1, b2)*(b1+b2)/c1+c2 + l(b1, b2)*(b1+b2)/c1+c2 + l(d1, d2)*(d1+d2)/c1+c2

    属性的信息增益为：

    I(s1, s2) - I(ma)

 

4. 假设属性阀值，消除弱相关的属性

 

5.进行基于属性的归纳，获得概念描述。