विश्लेषणात्मक लक्षण वर्णन और विशेषता प्रासंगिकता विश्लेषण
यह डेटा को प्रीप्रोसेस करने के लिए एक सांख्यिकीय दृष्टिकोण है ताकि अप्रासंगिक विशेषताओं को फ़िल्टर किया जा सके या प्रासंगिक विशेषता को रैंक किया जा सके। विशेषता प्रासंगिकता विश्लेषण के माप का उपयोग उन अप्रासंगिक विशेषताओं को पहचानने के लिए किया जा सकता है जिन्हें अवधारणा विवरण प्रक्रिया से अनधिकृत किया जा सकता है। इस प्रीप्रोसेसिंग चरण को कक्षा लक्षण वर्णन या तुलना में शामिल करना विश्लेषणात्मक लक्षण वर्णन के रूप में परिभाषित किया गया है।
डेटा भेदभाव भेदभाव नियम बनाता है जो लक्ष्य कक्षा और विपरीत कक्षा के रूप में परिभाषित दो वर्गों के बीच ऑब्जेक्ट्स की सामान्य विशेषताओं की तुलना है।
यह लक्ष्य कक्षा डेटा ऑब्जेक्ट्स की सामान्य विशेषताओं की तुलना एक या विपरीत वर्गों के सेट से ऑब्जेक्ट्स की सामान्य विशेषताओं के साथ है। उपयोगकर्ता लक्ष्य और विपरीत कक्षाओं को परिभाषित कर सकता है। डेटा भेदभाव के लिए उपयोग की जाने वाली विधियां डेटा लक्षण वर्णन के लिए उपयोग किए जाने वाले दृष्टिकोणों के बहुत समान हैं इस अपवाद के साथ कि डेटा भेदभाव परिणामों में तुलनात्मक माप शामिल हैं।
विशेषता प्रासंगिकता विश्लेषण के कारण
विशेषता प्रासंगिकता विश्लेषण के कई कारण निम्नलिखित हैं:
- यह तय कर सकता है कि किन आयामों को शामिल किया जाना चाहिए।
- यह सामान्यीकरण का उच्च स्तर प्राप्त कर सकता है।
- यह विशेषताओं की संख्या को कम कर सकता है जो हमें पैटर्न को आसानी से पढ़ने में सहायता करते हैं।
विशेषता प्रासंगिकता विश्लेषण के पीछे मूल अवधारणा कुछ माप का मूल्यांकन करना है जो दी गई कक्षा या अवधारणा के संबंध में एक विशेषता की प्रासंगिकता की गणना कर सकता है। ऐसे मापों में सूचना लाभ, अस्पष्टता, और सहसंबंध गुणांक शामिल हैं।
विशेषता प्रासंगिकता विश्लेषण के लिए अवधारणा विवरण
डेटा संग्रह - क्वेरी प्रोसेसिंग द्वारा लक्ष्य कक्षा और विपरीत कक्षा दोनों के लिए डेटा एकत्र कर सकते हैं।
रूढ़िवादी AOI का उपयोग करके प्रारंभिक प्रासंगिकता विश्लेषण - यह चरण आयामों और विशेषताओं का एक सेट पहचानता है जिस पर चयनित प्रासंगिकता माप का उपयोग किया जाना है। AOI का उपयोग डेटा पर प्रारंभिक विश्लेषण लागू करने के लिए किया जा सकता है जिसमें उच्च संख्या में विशिष्ट मूल्यों वाली विशेषताओं को समाप्त किया जाता है। यह रूढ़िवादी हो सकता है, AOI को लागू किया जाना चाहिए विशेषता सामान्यीकरण थ्रेशोल्ड का उपयोग करके जो चयनित माप द्वारा आगे प्रासंगिकता विश्लेषण के लिए अधिक विशेषताओं को सक्षम करने के लिए उचित रूप से बड़े सेट हैं।
हटाएं (Remove) - यह प्रक्रिया चयनित प्रासंगिकता विश्लेषण माप का उपयोग करके अप्रासंगिक और कमजोर रूप से प्रासंगिक विशेषताओं को हटाती है।
AOI का उपयोग करके अवधारणा विवरण उत्पन्न करें - यह कम रूढ़िवादी विशेषता सामान्यीकरण थ्रेशोल्ड के सेट का उपयोग करके AOI लागू कर सकता है। यदि वर्णनात्मक खनन फ़ंक्शन कक्षा लक्षण वर्णन है, तो केवल मूल लक्ष्य कक्षा कार्य संबंध अब शामिल है।
यदि वर्णनात्मक खनन फ़ंक्शन कक्षा लक्षण वर्णन है, तो केवल मूल लक्ष्य कक्षा कार्य संबंध शामिल है। यदि वर्णनात्मक खनन फ़ंक्शन कक्षा लक्षण वर्णन है, तो केवल मूल लक्ष्य कक्षा कार्य संबंध शामिल है। यदि वर्णनात्मक खनन फ़ंक्शन कक्षा तुलना है, तो मूल लक्ष्य कक्षा कार्य संबंध और मूल विपरीत कक्षा कार्य संबंध दोनों शामिल हैं।
