数据概化和概念描述的方法是什么？

数据概化通过用更高级别的概念（例如，年轻、中年和老年）替换相对低级别的值（例如，属性年龄的数值）来概括数据。鉴于数据库中保存的大量数据，能够以概括的（而不是低级别的）抽象方法以简洁明了的术语定义概念是有益的。

它允许数据集在多个抽象级别上进行概化，这有助于用户检查数据的总体行为。例如，给定 AllElectronics 数据库，销售经理可以更倾向于查看概括到更高级别的的数据，包括按地理区域汇总的用户组、每个组的购买频率和用户收入。这使我们想到了概念描述的概念，概念描述是一种数据概化形式。

一个概念通常被定义为一组数据，包括常客、研究生等。作为一项数据挖掘任务，概念描述不是数据的简单枚举。相反，概念描述生成用于描述和比较数据的描述。当要定义的概念是一类对象时，它也称为类描述。

特征描述支持对给定数据集的简洁明了的总结，而概念或类比较（也称为区分）支持比较两个或多个数据集的描述。有以下几种情况：-

复杂数据类型和聚合 - 数据仓库和 OLAP 工具依赖于多维数据模型，该模型以数据立方体的形式查看信息，包括维度（或属性）和度量（聚合服务）。

但是，一些当前的 OLAP 系统将维度限制为非数值记录，并将度量限制为数值信息。数据库可以包含多种数据类型的属性，例如数值、非数值、空间、文本或图像，这些属性必须包含在概念描述中。

用户控制与自动化 - 数据仓库中的联机分析处理是一个用户控制的阶段。维度的选择和 OLAP 服务的软件，包括钻取、上卷、切片和切块，通常由用户指导和管理。

尽管一些 OLAP 系统中的控制非常人性化，但用户确实需要对每个维度的重要性有很好的理解。此外，为了找到信息的满意描述，用户可能需要定义一系列长的 OLAP 操作。

需要一个更自动化的阶段来帮助用户确定哪些维度（或属性）必须包含在分析中，以及必须概括给定数据集的程度，以便创建记录的有趣摘要。

Ginni

更新于： 2022-02-16

725 次浏览

开启你的 职业生涯

通过完成课程获得认证

开始学习