การเปรียบเทียบคลาสทำอย่างไร?

การเลือกปฏิบัติหรือการเปรียบเทียบคลาส

การเลือกปฏิบัติหรือการเปรียบเทียบคลาส (Class discrimination or comparison) คือการทำเหมืองข้อมูลเพื่อหาลักษณะเฉพาะที่จัดประเภทคลาสเป้าหมาย (target class) ให้แยกจากคลาสที่ตรงข้าม (contrasting classes) ได้ คลาสเป้าหมายและคลาสที่ตรงข้ามควรจะเปรียบเทียบได้ ซึ่งต้องมีมิติและแอตทริบิวต์เหมือนกัน

เช่น สามคลาส ได้แก่ บุคคล (person), ที่อยู่ (address), และองค์ประกอบ (elements) ไม่สามารถเปรียบเทียบกันได้ แต่ยอดขายในสามปีที่ผ่านมาเป็นคลาสที่เปรียบเทียบได้ และนักเรียนวิชาวิทยาการคอมพิวเตอร์กับนักเรียนวิชาฟิสิกส์ก็เปรียบเทียบได้เช่นกัน

การขยายเทคนิคสำหรับหลายคลาส

เทคนิคที่พัฒนาขึ้นสามารถนำไปใช้ในการเปรียบเทียบคลาสข้ามหลายคลาสที่เปรียบเทียบได้ได้ ตัวอย่างเช่น กระบวนการทั่วไปของแอตทริบิวต์ (attribute generalization) ที่กำหนดสำหรับลักษณะเฉพาะของคลาส สามารถปรับเปลี่ยนได้ เพื่อให้การทำให้ทั่วไป (generalization) เกิดขึ้นพร้อมกัน (synchronously) ระหว่างทุกคลาสที่เปรียบเทียบ ซึ่งทำให้แอตทริบิวต์ในบางคลาสสามารถทำให้ทั่วไปไปสู่ระดับนามธรรมที่คล้ายกัน

ตัวอย่าง: ข้อมูลยอดขาย AllElectronics ปี 2003 และ 2004

สมมติว่ามีข้อมูล AllElectronics สำหรับยอดขายปี 2003 และยอดขายปี 2004 และสามารถเปรียบเทียบสองคลาสนี้ได้ พิจารณามิติพื้นที่ (dimension areas) ที่มีการนามธรรมอยู่ที่ระดับเมือง (city), จังหวัด/รัฐ (province/state), และประเทศ (country) ทุกคลาสของข้อมูลต้องทำให้ทั่วไปไปสู่ระดับสถานที่เดียวกัน

นั่นคือ ทั้งหมดถูกทำให้ทั่วไปไปสู่ระดับเมืองพร้อมกัน หรือระดับจังหวัด/รัฐ หรือระดับประเทศ วิธีนี้มีประโยชน์มากกว่าการเปรียบเทียบเช่น ยอดขายในวานคูเวอร์ปี 2003 กับยอดขายในสหรัฐอเมริกาปี 2004 (ซึ่งแต่ละชุดข้อมูลยอดขายถูกทำให้ทั่วไปไปสู่หลายระดับ)

ตัวเลือกการควบคุมโดยผู้ใช้

ผู้ใช้ต้องมีตัวเลือกในการเขียนทับ (overwrite) การเปรียบเทียบแบบอัตโนมัติและพร้อมกันด้วยตัวเลือกของตนเองเมื่อต้องการ มีขั้นตอนหลายขั้นตอน ดังนี้:

• การรวบรวมข้อมูล (Data collection) – ชุดระเบียนที่เกี่ยวข้องในฐานข้อมูลถูกรวบรวมโดยการประมวลผลคิวรี่ (query processing) และแยกออกเป็นคลาสเป้าหมายและหนึ่งหรือชุดของคลาสที่ตรงข้าม

• การวิเคราะห์ความเกี่ยวข้องของมิติ (Dimension relevance analysis) – หากมีหลายมิติ ต้องดำเนินการวิเคราะห์ความเกี่ยวข้องของมิติบนคลาสเหล่านี้ เพื่อเลือกเฉพาะมิติที่เกี่ยวข้องมากที่สุดสำหรับการวิเคราะห์ต่อไป

• การทำให้ทั่วไปแบบพร้อมกัน (Synchronous generalization) – การทำให้ทั่วไปถูกนำไปใช้กับคลาสเป้าหมายไปสู่ระดับที่ควบคุมโดยเกณฑ์มิติ (dimension threshold) ที่ผู้ใช้หรือผู้เชี่ยวชาญระบุ ซึ่งสร้างความสัมพันธ์คลาสเป้าหมายหลัก (prime target class relation)

• การนำเสนอการเปรียบเทียบที่ได้ (Presentation of the derived comparison) – คำอธิบายการเปรียบเทียบคลาสที่ได้สามารถนำเสนอในรูปตาราง, กราฟ, และกฎ โดยทั่วไปจะมีการวัดแบบ "ตรงข้าม" (contrasting measure) รวมถึง count% (เปอร์เซ็นต์จำนวน) ที่สะท้อนการเปรียบเทียบระหว่างคลาสเป้าหมายและคลาสที่ตรงข้าม

ผู้ใช้สามารถปรับแต่งคำอธิบายการเปรียบเทียบได้โดยใช้การเจาะลึก (drill-down), การสรุปข้อมูล (roll-up), และการดำเนินการ OLAP อื่นๆ กับคลาสเป้าหมายและคลาสที่ตรงข้าม ตามที่ได้รับ