Tổng quan về khai phá dữ liệu - Đại học Duy Tân

33
này thực sự không có quan hệ nhân quả trực tiếp mà chúng quan hệ nhân quả với một thuộc tính
thứ 3 là dân số.
Với nguồn dữ liệu rời rạc, một mối quan hệ tương quan giữa hai thuộc tính A và B có thể
được khám phá ra qua phép kiểm 2. Giả sử A có c giá trị không lặp được ký hiệu là a 1 , a 2 , …, a c . B
có r giá trị không lặp, ký hiệu b 1 , b 2 , …, b r . Bảng biểu diễn mối quan hệ A và B có thể được xây
dựng như sau:
- c giá trị của A tạo thành cột
- r giá trị của B tạo hành hàng.
- Gọi (Aj, Bj) biểu diễn các trường hợp mà thuộc tính A nhận giá trị a i , B nhận giá trị b i
Giá trị 2 được tính như sau
Trong đó:
- là tần xuất quan sát được các trường hợp (Aj, Bj)
- là tần xuất dự kiến các trường hợp (Aj, Bj)
Với N là tổng số bộ, là số bộ có chứa giá trị ai cho thuộc tính A,
là tổng số bộ có chứa trị bj cho thuộc tính B.
Ví dụ: phân tích tương quan của các thuộc tính sử dụng phương pháp 2
Giả sử có một nhóm 1500 người được khảo sát. Giới tính của họ được ghi nhận sau đó họ sẽ
được hỏi về thể loại sách yêu thích thuộc hai dạng hư cấu và viễn tưởng. Như vậy ở đây có hai
thuộc tính “giới tính” và “sở thích đọc”. Số lần xuất hiện của các trường hợp được cho trong bảng
sau
Nam Nữ Tổng
Hư cấu 250 (90) 200 (360) 450
Viễn tưởng 50 (210) 1000 (840) 1050
Tổng 300 1200 1500
Vậy chúng ta tính được