เหตุใดจึงต้องมีการวิเคราะห์ลักษณะเฉพาะและการวิเคราะห์ความเกี่ยวข้องของแอตทริบิวต์ และวิธีการเหล่านี้สามารถดำเนินการได้อย่างไร

เป็นแนวทางทางสถิติสำหรับการประมวลผลข้อมูลล่วงหน้าเพื่อกรองแอตทริบิวต์ที่ไม่เกี่ยวข้องหรือจัดอันดับแอตทริบิวต์ที่เกี่ยวข้อง การวัดผลการวิเคราะห์ความเกี่ยวข้องของแอตทริบิวต์สามารถใช้เพื่อรับรู้คุณลักษณะที่ไม่เกี่ยวข้องซึ่งสามารถไม่ได้รับอนุญาตจากกระบวนการคำอธิบายแนวคิด การรวมขั้นตอนก่อนการประมวลผลนี้เข้ากับการกำหนดลักษณะเฉพาะของคลาสหรือการเปรียบเทียบถูกกำหนดให้เป็นคุณลักษณะเชิงวิเคราะห์

การเลือกปฏิบัติของข้อมูลทำให้เกิดกฎการเลือกปฏิบัติซึ่งเป็นการเปรียบเทียบคุณสมบัติทั่วไปของวัตถุระหว่างสองคลาสที่กำหนดเป็นคลาสเป้าหมายและคลาสที่ตัดกัน

เป็นการเปรียบเทียบลักษณะทั่วไปของการกำหนดเป้าหมายออบเจ็กต์ข้อมูลคลาสกับลักษณะทั่วไปของออบเจ็กต์จากคลาสหนึ่งหรือชุดของคลาสที่ตัดกัน ผู้ใช้สามารถกำหนดเป้าหมายและคลาสที่ตัดกัน วิธีการที่ใช้สำหรับการเลือกปฏิบัติข้อมูลมีความคล้ายคลึงกันมากกับวิธีการที่ใช้สำหรับการกำหนดลักษณะข้อมูล ยกเว้นว่าผลการเลือกปฏิบัติของข้อมูลจะมีการวัดเปรียบเทียบ

เหตุผลในการวิเคราะห์ความเกี่ยวข้องของแอตทริบิวต์

มีเหตุผลหลายประการสำหรับการวิเคราะห์ความเกี่ยวข้องของแอตทริบิวต์มีดังนี้ -

• สามารถตัดสินใจได้ว่าต้องรวมมิติข้อมูลใด

• สามารถสร้างลักษณะทั่วไปในระดับสูงได้

• สามารถลดจำนวนแอตทริบิวต์ที่สนับสนุนให้เราอ่านรูปแบบได้ง่าย

แนวคิดพื้นฐานที่อยู่เบื้องหลังการวิเคราะห์ความเกี่ยวข้องของแอตทริบิวต์คือการประเมินการวัดบางอย่างที่สามารถคำนวณความเกี่ยวข้องของแอตทริบิวต์ที่เกี่ยวกับคลาสหรือแนวคิดที่กำหนด มาตรการดังกล่าวเกี่ยวข้องกับข้อมูลที่ได้มา ความคลุมเครือ และค่าสัมประสิทธิ์สหสัมพันธ์

การวิเคราะห์ความเกี่ยวข้องของแอตทริบิวต์สำหรับคำอธิบายแนวคิดดำเนินการดังนี้ -

การเก็บรวบรวมข้อมูล − สามารถรวบรวมข้อมูลสำหรับทั้งคลาสเป้าหมายและคลาสที่ตรงกันข้ามโดยการประมวลผลคิวรี

การวิเคราะห์ความเกี่ยวข้องเบื้องต้นโดยใช้ AOI แบบอนุรักษ์นิยม − ขั้นตอนนี้ระบุชุดของมิติข้อมูลและแอตทริบิวต์ที่จะใช้การวัดความเกี่ยวข้องที่เลือกไว้

AOI สามารถใช้ในการวิเคราะห์ข้อมูลเบื้องต้นโดยกำจัดแอตทริบิวต์ที่มีค่าที่แตกต่างกันจำนวนมาก มันสามารถเป็นแบบอนุรักษ์นิยม AOI ที่นำมาใช้ควรใช้เกณฑ์ทั่วไปของแอตทริบิวต์ที่ตั้งค่าให้มีขนาดใหญ่พอสมควร เพื่อให้แอตทริบิวต์เพิ่มเติมได้รับการปฏิบัติในการวิเคราะห์ความเกี่ยวข้องเพิ่มเติมโดยการวัดที่เลือก

ลบ − กระบวนการนี้จะลบแอตทริบิวต์ที่ไม่เกี่ยวข้องและมีความเกี่ยวข้องเล็กน้อยโดยใช้มาตรการวิเคราะห์ความเกี่ยวข้องที่เลือก

สร้างคำอธิบายแนวคิดโดยใช้ AOI - สามารถใช้ AOI โดยใช้ชุดเกณฑ์ทั่วไปของแอตทริบิวต์ที่อนุรักษ์นิยมน้อยกว่า หากฟังก์ชันการขุดเชิงพรรณนาเป็นการกำหนดลักษณะของคลาส ตอนนี้จะรวมเฉพาะความสัมพันธ์การทำงานของคลาสเป้าหมายดั้งเดิมเท่านั้น

หากฟังก์ชันการขุดเชิงพรรณนาเป็นการกำหนดลักษณะคลาส จะรวมเฉพาะความสัมพันธ์การทำงานของคลาสเป้าหมายดั้งเดิมเท่านั้น หากฟังก์ชันการขุดเชิงพรรณนาเป็นการกำหนดลักษณะคลาส จะรวมเฉพาะความสัมพันธ์การทำงานของคลาสเป้าหมายดั้งเดิมเท่านั้น หากฟังก์ชันการขุดเชิงพรรณนาเป็นการเปรียบเทียบคลาส ระบบจะรวมทั้งความสัมพันธ์ในการทำงานของคลาสเป้าหมายดั้งเดิมและความสัมพันธ์การทำงานของคลาสที่ตัดกันดั้งเดิมไว้ด้วย