डेटा सामान्यीकरण और विश्लेषणात्मक सामान्यीकरण
डेटा सामान्यीकरण अपेक्षाकृत निम्न-स्तरीय मूल्यों (विशेषता आयु के लिए संख्यात्मक मूल्य सहित) को उच्च-स्तरीय अवधारणाओं (युवा, मध्यम आयु, और वरिष्ठ सहित) से बदलकर डेटा को सारांशित करता है। इसलिए, यह एक प्रक्रिया है जो एक डेटाबेस में कार्य-प्रासंगिक जानकारी के एक बड़े सेट को अपेक्षाकृत निम्न अवधारणा स्तर से उच्च अवधारणा स्तरों तक सारांशित करती है।
बड़े डेटा सेट्स के कुशल और लचीले सामान्यीकरण के लिए दो दृष्टिकोण निम्नलिखित हैं:
1. OLAP दृष्टिकोण
डेटा क्यूब तकनीक को डेटा वेयरहाउस-आधारित, प्री-कम्प्यूटेशन-उन्मुख, भौतिक दृश्य दृष्टिकोण के रूप में माना जा सकता है। यह ऑफ़लाइन एकत्रीकरण को OLAP या डेटा माइनिंग क्वेरी के प्रोसेसिंग के लिए ले जाने से पहले लागू करता है।
2. विशेषता-उन्मुख प्रेरण दृष्टिकोण (Attribute-Oriented Induction Approach)
यह एक रिलेशनल डेटाबेस क्वेरी-उन्मुख, सामान्यीकरण-आधारित, ऑनलाइन डेटा विश्लेषण दृष्टिकोण है। विशेषता-उन्मुख प्रेरण में, पहले, कार्य-प्रासंगिक जानकारी को रिलेशनल डेटाबेस क्वेरी का उपयोग करके एकत्र किया जाता है और फिर प्रासंगिक डेटा के संग्रह में प्रत्येक विशेषता के कई विशिष्ट मूल्यों की जांच के आधार पर सामान्यीकरण लागू किया जाता है।
सामान्यीकरण विशेषता हटाने द्वारा लागू किया जाता है। समान सामान्यीकृत टुपल्स को संयोजित करके और उनके संबंधित काउंट्स को जमा करके एकत्रीकरण लागू करें, सामान्यीकृत डेटा सेट का आकार कम करें और उपयोगकर्ताओं के साथ इंटरैक्टिव प्रस्तुति।
विशेषता-उन्मुख प्रेरण दृष्टिकोण के मूल सिद्धांत
- डेटा फोकसिंग (Data focusing) - डेटा कार्य-संबंधी होना चाहिए, जैसे आयाम और परिणाम मूल संबंध है।
- विशेषता-हटाना (Attribute-removal) - प्रासंगिक विशेषताओं का सेट चुन सकते हैं या विशेषता A को हटा सकते हैं यदि A के लिए विशिष्ट मूल्यों का एक बड़ा सेट है लेकिन A पर कोई सामान्यीकरण ऑपरेटर नहीं है, या A की उच्च-स्तरीय अवधारणाएं अतिरिक्त विशेषताओं के संदर्भ में परिभाषित हैं।
- विशेषता सामान्यीकरण (Attribute generalization) - यदि A के लिए विशिष्ट मूल्यों का एक बड़ा सेट है, और A पर सामान्यीकरण ऑपरेटर्स का एक सेट मौजूद है, तो एक ऑपरेटर चुनें और A को सामान्यीकृत करें।
- विश्लेषणात्मक लक्षण वर्णन (Analytical characterization) - 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 का विश्लेषण करने 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।
विशेषता प्रासंगिकता विश्लेषण के कारण
विशेषता प्रासंगिकता विश्लेषण के कई कारण निम्नलिखित हैं:
- यह निर्धारित 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 समझने में सहायता करते हैं।
विशेषता प्रासंगिकता विश्लेषण के पीछे मूल अवधारणा कुछ माप का मूल्यांकन करना है जो दी गई कक्षा या दृष्टिकोण के संबंध में एक विशेषता की प्रासंगिकता की गणना कर सकता है। ऐसे मापों में सूचना लाभ, अस्पष्टता, और सहसंबंध गुणांक शामिल हैं।
