文档介绍：word
word
1 / 16
word
一、数据挖掘的目的
数据挖掘(Data Mining)阶段首先要确定挖掘的任务或目的。数据挖掘的目的就是得出隐藏在数据中的有价值的信息。数据挖掘是一门涉与面很广的交叉学科，包括器学****数理统计、神经网络、数据库、模式识别、粗糙集、模糊数学等相关技术。它也常被称为“知识发现〞。知识发现(KDD)被认为是从数据中发现有用知识的整个过程。数据挖掘被认为是KDD过程中的一个特定步骤，它用专门算法从数据中抽取模式(patter，如数据分类、聚类、关联规如此发现或序列模式发现等。数据挖掘主要步骤是：数据准备、数据挖掘、结果的解释评估。
二、数据挖掘算法说明
确定了挖掘任务后，就要决定使用什么样的挖掘算法。由于条件属性在各样本的分布特性和所反映的主观特性的不同, 每一个样本对应于真实情况的局部映射。建立了粗糙集理论中样本知识与信息之间的对应表示关系, 给出了由属性约简求约简决策表的方法。基于后离散化策略处理连续属性, 实现离散效率和信息损失之间的动态折衷。提出相对值条件互信息的概念衡量单一样本中各条件属性的相关性, 可以充分利用现有数据处理不完备信息系统。
本次数据挖掘的方法是两种，一是找到假如干条特殊样本，而是找出假如干条特殊条件属性。最后利用这些样本和属性找出关联规如此。〔第四局部详细讲解样本和属性的选择〕
三 数据预处理过程
数据预处理一般包括消除噪声、推导计算缺值数据、消除重复记录、完成数据类型转换(如把连续值数据转换为离散型数据，以便于符号归纳，或是把离散型数据转换为连续)。
本文使用的数据来源是名为“CardiologyCategorical〞的excel文件中的“源数据〞。该数据表共303行，14个属性。即共有303个样本。将该数据表的前200行设为训练样本，剩下后的103行作为测试样本，用基于粗糙集理论的属性约简的方法生成相应的规如此，再利用测试样本对这些规如此进展测试。
首先对源数据进展预处理，主要包括字符型数据的转化和数据的归一化。
数据预处理的第一步是整理源数据，为了便于matlab读取数据，把非数字数据转换为离散型数字数据。。这一局部直接在excel工作表中直接进展。
步骤如下：
将属性“sex〞中的“Male〞用“1〞表示，“Female〞用“2〞表示；
将属性“chest pain type〞中的“Asymptomatic〞用“1〞表示，“Abnormal Angina〞用“2〞表示，“Angina〞用“3〞表示，“NoTang〞用“4〞表示；
word
word
2 / 16
word
将属性“Fasting blood suga<120”与属性“angina〞中的“FALSE〞用“1〞表示，“TRUE〞用“2〞表示；
将属性“resting ecg〞中的“Hyp〞 用“1〞 表示，“Normal〞用“2〞表示，“Abnormal〞用“3〞表示；
将属性“slope〞中的“Down〞用“1〞表示，“Flat〞用“2〞表示，“Up〞用“3〞表示,；
将属性“thal〞中的“Rev〞用“1〞表示，“Normal〞用“2〞表示，“Fix〞用“3〞表示；
将属性“class〞中的“Healthy〞用“1〞表示，“Sick〞用“2〞表示；
数据预处理的第二步：使用
dm=xlsread('lisanhua');
导入’lisanhua’.xls文件，在MATLAB中对一些连续属性值离散化。
如下：
1、[29,48]=1，[48,62]=2，[62,77]=3
4、[94,110]=1，[110,143]=2，[143,200]=3
5、[,205]=1，[205,293]=2，[293，564]=3
8、[71,120]=1，[120,175]=2，[175,202]=3
10、[0,]=1，[,]=2，[,]=3。
然后对数据进展归一化处理：
由于不同属性之间的属性值一样，所以利用下面语句对一共13个条件属性中的38个属性进展如下赋值，使每条属性唯一确定。从而得到38个条件属性，只不过38个里面有且只能出现13个。
程序如下：
m1=[0,3,2,4,3,3,2,3,3,2,3,3,4,3];k=1;w=m1(k);dm3=dm2;
for i=1:3939
dm3(i)=dm2(i)+w;
if rem(i,303)==0
k=k+1;
w=w+m1(k);
end
end
从而得到dm(3)矩阵。而且决策属性分为1：healthy；2：sick