Data Mining 简明教程

Data Mining - Query Language

数据挖掘查询语言 (DMQL) 由 Han、Fu、Wang 提议用于 DBMiner 数据挖掘系统。数据挖掘查询语言实际上基于结构化查询语言 (SQL)。可以设计数据挖掘查询语言来支持特设和交互式数据挖掘。此 DMQL 提供用于指定原始元素的命令。DMQL 可以与数据库和数据仓库配合使用。DMQL 可用于定义数据挖掘任务。我们特别检查如何在 DMQL 中定义数据仓库和数据市集。

Syntax for Task-Relevant Data Specification

以下是用于指定任务相关数据的 DMQL 语法 −

use database database_name

or

use data warehouse data_warehouse_name
in relevance to att_or_dim_list
from relation(s)/cube(s) [where condition]
order by order_list
group by grouping_list

Syntax for Specifying the Kind of Knowledge

我们在此将讨论表征、辨别、关联、分类和预测的语法。

Characterization

表征语法如下 −

mine characteristics [as pattern_name]
   analyze  {measure(s) }

analyze 子句,指定聚合测量值,例如 count、sum 或 count%。

例如 -

Description describing customer purchasing habits.
mine characteristics as customerPurchasing
analyze count%

Discrimination

辨别语法如下 −

mine comparison [as {pattern_name]}
For {target_class } where  {t arget_condition }
{versus  {contrast_class_i }
where {contrast_condition_i}}
analyze  {measure(s) }

例如,用户可能会将大额挥霍者定义为平均购买 100 美元或更多商品的客户;而将预算挥霍者定义为平均购买低于 100 美元商品的客户。可以通过 DMQL 将从每个此类别的客户中挖掘的辨别描述指定为 −

mine comparison as purchaseGroups
for bigSpenders where avg(I.price) ≥$100
versus budgetSpenders where avg(I.price)< $100
analyze count

Association

关联语法如下 −

mine associations [ as {pattern_name} ]
{matching {metapattern} }

例如 −

mine associations as buyingHabits
matching P(X:customer,W) ^ Q(X,Y) ≥ buys(X,Z)

其中 X 是客户关系的关键;P 和 Q 是谓词变量;W、Y 和 Z 是对象变量。

Classification

分类语法如下 −

mine classification [as pattern_name]
analyze classifying_attribute_or_dimension

例如,要挖掘模式,将客户信用评级分类,其中这些类别由属性 credit_rating 确定,并且将挖掘分类确定为 classifyCustomerCreditRating。

analyze credit_rating

Prediction

预测语法如下 −

mine prediction [as pattern_name]
analyze prediction_attribute_or_dimension
{set {attribute_or_dimension_i= value_i}}

Syntax for Concept Hierarchy Specification

要指定概念层次结构,请使用以下语法 −

use hierarchy <hierarchy> for <attribute_or_dimension>

我们使用不同的语法来定义不同类型的层次结构,例如 −

-schema hierarchies
define hierarchy time_hierarchy on date as [date,month quarter,year]
-
set-grouping hierarchies
define hierarchy age_hierarchy for age on customer as
level1: {young, middle_aged, senior} < level0: all
level2: {20, ..., 39} < level1: young
level3: {40, ..., 59} < level1: middle_aged
level4: {60, ..., 89} < level1: senior

-operation-derived hierarchies
define hierarchy age_hierarchy  for age  on customer  as
{age_category(1), ..., age_category(5)}
:= cluster(default, age, 5) < all(age)

-rule-based hierarchies
define hierarchy profit_margin_hierarchy  on item  as
level_1: low_profit_margin < level_0:  all

if (price - cost)< $50
   level_1:  medium-profit_margin < level_0:  all

if ((price - cost) > $50)  and ((price - cost) ≤ $250))
   level_1:  high_profit_margin < level_0:  all

Syntax for Interestingness Measures Specification

用户可以使用该语句指定有趣性测量和阈值 −

with <interest_measure_name>  threshold = threshold_value

例如 −

with support threshold = 0.05
with confidence threshold = 0.7

Syntax for Pattern Presentation and Visualization Specification

我们有一个语法,允许用户指定一种或多种形式中发现的模式的显示方式。

display as <result_form>

例如 −

display as table

Full Specification of DMQL

作为一名公司的市场经理,您希望对购买价格不少于 100 美元的商品的顾客的购买习惯进行表征;根据顾客的年龄、购买商品的类型以及购买商品的地点。您希望知道具有该特征的顾客的百分比。特别是,您只对在加拿大进行的,并使用美国运通信用卡支付的购买感兴趣。您希望以表格的形式查看结果说明。

use database AllElectronics_db
use hierarchy location_hierarchy for B.address
mine characteristics as customerPurchasing
analyze count%
in relevance to C.age,I.type,I.place_made
from customer C, item I, purchase P, items_sold S,  branch B
where I.item_ID = S.item_ID and P.cust_ID = C.cust_ID and
P.method_paid = "AmEx" and B.address = "Canada" and I.price ≥ 100
with noise threshold = 5%
display as table

Data Mining Languages Standardization

标准化数据挖掘语言将服务以下目的 −

  1. 帮助系统地开发数据挖掘解决方案。

  2. 提高多个数据挖掘系统和功能之间的互操作性。

  3. 促进教育和快速学习。

  4. 促进数据挖掘系统在工业界和社会中的使用。