《数据离散化和概念分层产生》由会员分享，可在线阅读，更多相关《数据离散化和概念分层产生（1页珍藏版）》请在装配图网上搜索。
1、数据离散化和概念分层产生通过将属性值域划分为区间，数 据离散化技术可以用来减少给定连续属性值的个数。 区间的标记可以替代实际的数据值。用少数区间标记替换连续属性的数值，从而减少和简化 了 原来的数据。这导致挖掘结果的简洁、易于使用的、知识层面的表示。离散化技术可以 根据如何进行离散化加以分类，如根据是否使用类信息或根据进行方向（即自 顶向下或自 底向上）分类。如果离散化过程使用类信息，则称它为监督离散化（supervisediscretization）；否则是非监督的（unsupervised）。如果首先找出一点或几个点（称作 分裂点或割点）来划分整个属性区间，然后在 结果区间上递归地重复这一
2、过程，则称它为 自顶向下离散化或分裂。自底向上离散化或合并正好相反，首先将所有的连续值看作可能的 分裂点，通过合并相邻域的值 形成区间，然后递归地应用这一过程于结果区间。可以对一 个属性递归地进行离散化，产生属性值的分层或多分辨率划分，称作概念分层。概念分层对 于多个抽象层 的挖掘是有用的。对于给定的数值属性，概念分层定义了该属性的一个离散化。通过收集较高层的概念 （如青年、中年或老年）并用它们替换较低层的概念（如年龄的数值），概念分层可以用来 归约数据。通过这种数据泛化，尽管细节丢失了，但是泛化后的数据更有意义、更容易解释。这有助于通常需要的多种挖掘任务的数据挖掘结果的一致表示。此外，与对大
3、型未泛 化的数据集挖掘相比，对归约的数据进行挖掘所需的I/O操作更少，并且更有效。正因为 如此，离散化技术和概念分层作为预处理步骤，在数据挖掘之前而不是在挖掘 过程进行。 属性price的概念分层例子在图2-22给出。对于同一个属性可以定义多个概念分层，以适 合不同用户的需要。属性price的一个概念分层，其中区间（$X.$Y表示从$X （不包括）到$丫 （包括）的 区间对于用户或领域专家，人工地定义概念分层可能是一项令人乏味、耗时的任务。幸而 可以使用一些离散化方法来自动地产生或动态地提炼数值属性 的概念分层。此外，许多分 类属性的分层结构蕴涵在数据库模式中，可以在模式定义级自动地定义。我们来看看数值和分类数据的概念分层的产生。
数据离散化和概念分层产生
