Assoziationsanalyse und Konzeptbeschreibung - Diko-project.de

Ein Maß für die Relevanz eines Attributs ist der Information Gain. Dieserkann
auf der Basis mehrerer Testklassen ermittelt werden. Wird die Relevanzanalyse
im Klassenvergleich angewenset, können die zu vergleichenden Klassen als
Testklassen verwendet werden. Für die Charakterisierung nimmt man dagegen
üblicherweise alle in der Datenbank gespeicherten vergleichbaren Klassen für die
Relevanzanalyse.
Wie wird der Information Gain berechnet?[Han01]
Sei S eine Menge von Tupeln mit jeweils einem Attribut zur Angabe der Herkunftsklasse.
Die Zahl der Herkunftsklassen sei mit m gegeben. S beinhalte si
Tupel der Klasse Ci mit 1 ≤ i ≤ m. Dann gilt:
m si
I(s1, ..., sm) :=−
s
i=1
log2
si
s
Das Attribut A habe die Werte {a1, ..., av} und teile die Menge
S in Teilmenen S1, ..., Sv, sodassSjdie Tupel aus S enthält,
für die A den Wert aj besitzt. Sj habe sij Tupel der Klasse Ci
v s1j + ... + smj
E(A) :=
I(s1, ..., sm)
s
j=1
Der Information Gain eines Attributs entsteht schliesslich
durch folgende Subtraktion:
IGain(A) =I(s1, ..., sm) − E(A)
Die Relevanzanalyse kann vor der AOI eingesetzt werden, um die Zahl der zu
analysierenden Attribute zu verringern. Charakterisierung mit integrierter Relevanzanalyse
wird als Analytische Charakterisierung (analytical characterisation),
der Klassenvergleich als Analytischer Klassenvergleich (analytical comparision)
bezeichnet
5 Fazit
Wir haben zwei essentielle Data-Mining-Methoden kennengelernt die für Knowledge
Discovery in Databases eingesetzt werden: Die Assoziationsanalyse und
die Klassenbeschreibung. Beide Methoden sind effiziente Werkzeuge zur Gewinnung
von Wissen aus großen Datenmengen.
Die Assoziationanalyse bietet mit einer großen Anzahl verschiedener Assoziationsregeln
vielfältige Anpassungsmöglichkeiten für viele Bereiche in Wirtschaft,
Forschung und im täglichen Leben. Einfache Assoziationsregeln repräsentieren
häufiges gemeinsames Auftreten von Elementen in Transaktionen wie z.B. oft
gemeinsam gekaufte Waren in einer Menge von Warenkörben. Komplexere Assoziationsregeln
bauen auf diesen einfachen Regeln auf bieten durch ihre Erweiterungen
neue Möglichkeiten, so können hierarchische, quantitative, fuzzy“
”
und temporale Aspekte mit in die Assoziationsanalyse aufgenommen werden.
Von der Vielzahl von Algorithmen, die in der Assoziationsanalyse angewendet
24