《数据挖掘4章节挖掘原语，语言和体系结构.ppt》由会员分享，可在线阅读，更多相关《数据挖掘4章节挖掘原语，语言和体系结构.ppt（24页珍藏版）》请在三一文库上搜索。
1、挖掘原语，语言和体系结构,数据挖掘原语 数据挖掘语言 数据挖掘系统体系结构 总结,数据挖掘原语划分,挖掘相关的数据 挖掘的知识类型 背景知识 模式的兴趣度量 结果的表示与可视化,任务相关数据,数据库（或数据仓库）名称 例如：AllElectronics_db 数据库表（或数据仓库的立方体） 例如：表item,customer,purchase,items_sold 数据选择条件 例如：选取本年度加拿大地区购买商品的数据 选取条件可能在概念上层次高于DB/DW的数据 如：”type=home entertainment”，DB/DW中数据tv,cd player,vcr 有关的属性（或维） 例如
2、：item表的name,price属性;customer表的income,age属性。 系统应具备自动选取相关属性的机制，比如通过评估各属性与特定操作的相关程度。 数据分组的标准 例如：根据日期进行分组,挖掘的知识类型,描述(characterization) 区别分析(discrimination) 关联(association) 分类/预测(classification/prediction) 聚类(clustering),例: 用户如果想发掘AllElectronics数据库中用户的购买习惯，可能会选择下面关联规则： P(X:customer,W)Q(X,Y)=buys(X,Z) X是c
3、ustomer表的主键，P,Q是谓词变量(在相关数据中定义)，W,Y,Z是目标变量。可能的挖掘结果是： age(X,”3039”) income (X,”40k49k”) = buys(X,”VCR”) 2.2%,60% accupation(X,”student”)age(X,”2029”)=buys(X,”computer”) 1.4%,70%,背景知识：概念层次,概念层次 模式层次(schema hierarchy) 例：Streetcityprovince_or_statecountry 集合-分组层次(set-grouping hierarchy) 例： young,middle_a
4、ged,seniorall(age) 20-39 = young, 40-59 = middle_aged 基于操作层次(operation-derived hierarchy) 包括信息解码，复杂数据对象的信息提取，数据聚类，数据分布分析算法等 例： email address: login-name department university country 基于规则层次(rule-based hierarchy) 例： low_profit_margin (X) = price(X, P1) and cost (X, P2) and (P1 - P2) $50 用户对数据间关系的预测 可
5、以用于评价挖掘模式的兴趣度量,模式兴趣度量,简洁性(simplicity) 如：(关联) 规则长度, (决策) 决策树规模大小 确定性(certainty) 如：confidence, P(A|B) = n(A and B)/ n (B), classification reliability or accuracy ( also known as rule reliability , rule strength, rule quality, certainty factor, discriminating weight )等. 有用性(utility) 如：support (associat
6、ion),s(A=B)=n(A nd B)/n(all), noise threshold (description) 新颖程度(novelty) 如：not previously known, surprising (used to remove redundant rules, e.g., Canada vs. Vancouver rule implication support ratio,结果模式的可视化,挖掘系统应能够用多种形式来显示发掘出来的模式 如：规则，表，报表，图表，图，决策数和立方体 挖掘系统应能够支持挖掘结果的多种操作 如：drill-down , roll-up , s
7、licing , dicing ,rotation,挖掘原语，语言和体系结构,数据挖掘原语 数据挖掘语言 数据挖掘系统体系结构 总结,DMQL一个数据挖掘语言,动机 为了能提供交互式数据挖掘能力 通过提供一个类似SQL的语言 希望能像SQL语言一样成为挖掘标准语言 希望成为系统开发和演化(evolution)的基础 希望促进信息交换，技术转移，商业化并获得广泛承认 设计 DMQL 在前面介绍的挖掘原语基础之上进行设计,任务相关数据的语法表示,use database , or use data warehouse from where in relevance to order by grou
8、p by having ,任务相关数据语法表示（续）,例：如果挖掘AllElectronics的加拿大顾客经常购买的商品之间的关联，针对顾客不同收入和年龄，并且数据用购买日期进行分组。挖掘相关数据可以写成： use database AllElectronics_db in relevance to I.name , I.price , C.income , C.age from customer C , item I , purchase P , item_sold S where I.item_ID=S.item_ID and S.trans_ID=P.trans_ID and P.cus
9、t_ID=C.cust_ID group by P.date,挖掘知识类型的语法,:= | | | | := Mine characterization as analyze 例：mine characteristics as customerPurchasing analyze count% :=Mine comparison as for where versus where analyze 例：mine comparison as purchaseGroups for bigSpenders where avg(I.price) $100 analyze count versus bud
10、getSpenders where avg(I.price),$100,挖掘知识类型的语法(续),:=mine association as matching 例：mine associations as buyingHabits matching P(X:customer,W)Q(X,Y)=buys(X,Z) :=mine classification as analyze 例： mine classification as classifyingCustomerCreditRating analyze credit_info :=Mine prediction as analyze set
11、 attribute_or_dimention_i= 例：mine prediction as predictItemPrice analyze price set category = “TV” and brand=“SONY”,概念层次语法,语法： Use hierarchy for 不同概念层次采用不同定义方式 模式概念层次 define hierarchy time_hierarchy on date as date,month quarter,year 集合-分组概念层次 define hierarchy age_hierarchy for age on customer as le
12、vel1: young, middle_aged, senior level0: all level2: 20, ., 39 level1: young level2: 40, ., 59 level1: middle_aged level2: 60, ., 89 level1: senior,概念层次语法（续）,基于操作概念模式(operation-derived hierarchies) define hierarchy age_hierarchy for age on customer as age_category(1), ., age_category(5) := cluster(d
13、efault, age, 5) $50) and (price - cost) $250,兴趣度量语法,语法： with threshold = threshold_value 例: with support threshold = 0.05 with confidence threshold = 0.7,挖掘知识表示语法,用户指定显示方法 display as 为在不同概念层次上观察结果： Multilevel_Manipulation := roll up on | drill down on | add | drop ,一个完整的DMQL语句,use database AllElectr
14、onics_db use hierarchy location_hierarchy for B.address mine characteristics as customerPurchasing analyze count% in relevance to C.age , I.type , I.place_made from customer C, item I , purchases P , items_sold S , works_at W , branch B where I.item_ID = S.item_ID and S.trans_ID = P.trans_ID and P.c
15、ust_ID = C.cust_ID and P.method_paid = AmEx and P.empl_ID = W.empl_ID and W.branch_ID = B.branch_ID and B.address = Canada“ and I.price = 100 with noise threshold = 0.05 display as table,其它数据挖掘语言,关联规则语言 MSQL (Imielinski & Virmani99) MineRule (Meo Psaila and Ceri96) Query flocks 基于Datalog 语法 (Tsur et
16、 al98) OLEDB for DM (Microsoft2000) 和 OLE DB, OLE DB for OLAP一起致力于DB,DW,DM的标准化 到2000年3月止，已经完成了predictive modeling( classification & Prediction ), clustering,还未包含 characterization, discrimination , association modeling 等。 CRISP-DM (CRoss-Industry Standard Process for Data Mining) 是一个国际性项目，包含数据库公司，数据仓
17、库公司，用户公司(user companies) 目的在于提供有效数据挖掘的平台和过程结构(process structure) 强调运用数据挖掘技术来解决商业问题,挖掘原语，语言和体系结构,数据挖掘原语 数据挖掘语言 数据挖掘系统体系结构 总结,数据挖掘系统体系结构,数据挖掘系统与 DB/DW 系统的耦合程度 零耦合用文件作为数据源和存放结果数据,不推荐 松散耦合 用DB/DW作数据源，查询结果写入文件或DB/DW；但不使用DB/DW的提供的数据结构和查询优化方法。 半紧耦合提升挖掘系统性能 部分挖掘原语在DB/DW中实现，如sorting, indexing, aggregation ,
18、histogram analysis, multiway join, precomputation of some statistic functions such as count ,sum,max,min,standard deviation. 紧耦合一个统一的信息处理环境 DM 被集成到DB/DW系统，作为信息系统的一个组成部分；并利用DB/DW的数据结构，索引模式查询处理过程对挖掘查询进行优化。,挖掘原语，语言和体系结构,数据挖掘原语 数据挖掘语言 数据挖掘系统体系结构 总结,总结,数据挖掘查询原语 任务相关数据 挖掘知识类型 背景知识 兴趣度量 知识表示和可视化 数据挖掘查询语言 DMQL, MS/OLEDB for DM等. 数据挖掘系统体系结构 零耦合，松散耦合，半紧密耦合，紧密耦合,