SQL Server数据挖掘中的几个问题之理解内容类型

数据库 SQL Server
最近与一个客户的开发团队探讨和学习SQL Server的数据挖掘及其应用。有几个比较有意思的问题,整理出来。

最近与一个客户的开发团队探讨和学习SQL Server的数据挖掘及其应用。有几个比较有意思的问题,整理出来

关于数据挖掘的基本知识和学习资料,可以参考http://msdn.microsoft.com/zh-cn/library/bb510517.aspx

1. 如何理解Continuous(连续),Discretized(离散化)和Discreted(离散的)的区别

这是对于在数据挖掘结构中,对于内容类型设置的几个常用的值,如下图所示

【备注】其实除了这三个,还有其他好多个不同的ContentType,具体的请参考http://msdn.microsoft.com/zh-cn/library/ms174572.aspx

我的理解是这样的

  1. 首先,这个ContentType是指定在挖掘模型中将如何这些属性,而并非说这个属性本身是连续的或者离散的。
  2. 其次,不同的挖掘算法对于ContentType的支持是不一样的。例如贝叶斯算法就不支持连续的类型。其他一些算法也或多或少会有些自己的限制等
  3. 如果使用“连续(Continuous)”,则表示这一列的数据,最终可以在分析的时候,按照一定的规则划分一些范围,而不是单一的某个值。典型的连续类型,例如年收入,年龄等。因为年收入的值可能是很多的,如果每一个值都作为一个分析的个体去做,那么会导致太过细枝末节。我们通常在分析的时候,习惯将收入分段,例如1000~30000之间当做一个个体。如果要实现这样的效果,那么年收入就要设置为“连续”。下图是在决策树中看到的一个效果
  4. 那么什么是“离散(Discreted)”的内容类型呢?和“连续”正好相反,它表示将每个数据都作为单一的个体进行分析,如果数据包含有限的几个可选值,则很适合用这种类型。例如性别,职业等等。下图是在贝叶斯算法中看到的一个效果。除了第一个属性“Age”之外,其他的其实都是离散的。
  5. 那么,什么是离散化(Discretized)的呢?其实上面这个图中看到的Age就是离散化的。为什么这么说呢?首先它肯定不是连续的,因为贝叶斯不支持连续的内容类型,其次它又不是离散的,离散的是将每个数据作为个体,而这里的Age其实是有范围的意思。那么,这样你就大致理解了为什么会有“离散化”这么一个类型了吧?就是说,在某些算法里面,既不支持连续的内容类型,而且你分析的时候,又不希望用离散的内容类型进行分析(因为个体可能很多),那么可以选择将这些数据转换为离散的,这个过程叫离散化。我们来看看是怎么做到的?

首先,设置为Discretized,

然后一定要设置另外两个属性:DiscretizationBucketCount,和DiscretizationMethod,第一个属性表示分成多少组(最多),第二个属性表示要用什么方法分组。这个Method有下面三种选择

原文链接:http://www.cnblogs.com/chenxizhang/archive/2011/07/24/2115281.html

【编辑推荐】

  1. 代号:Denali,SQL Server再出击
  2. 说说SQL Server编年史
  3. 简单说说SQL Server上的加密术
  4. 擦亮自己的眼睛去看SQL Server
责任编辑:艾婧 来源: 陈希章@中国
相关推荐

2011-07-25 14:56:00

SQL SERVER数

2011-07-25 16:13:34

SQL Server数据挖掘

2011-07-25 15:17:50

SQL SERVER数

2011-07-26 10:16:14

SQL Server数据挖掘

2011-07-25 15:39:49

SQL SERVER数聚类算法顺序聚类算法

2011-08-19 15:29:10

SQL Server 元数组

2015-09-17 10:51:35

修改hostnameLinux

2021-10-12 00:04:24

脚本备份MariDB

2021-03-03 21:24:57

数据仓库工具

2011-05-18 11:31:56

数据安全数据备份

2011-07-04 16:40:39

QT 串口 QML

2011-04-01 12:19:21

SQL Server商业智能

2023-07-04 08:09:05

数据库选型集中式

2009-02-16 13:21:25

数据挖掘SQL Server SQL Server

2011-05-20 08:55:15

J2EE

2009-04-13 10:15:24

SQLServer 2005数据挖掘

2009-08-05 10:00:04

数据挖掘算法SQL Server

2013-05-06 15:42:49

2010-09-13 10:21:26

sql server2

2010-07-12 13:00:49

UML建模
点赞
收藏

51CTO技术栈公众号