BÁO CÁO BÀI TẬP LỚN MÔN KHO DỮ LIỆU VÀ KHAI PHÁ DỮ LIỆUHọ và tên: Phan Tiến DũngLớp: Tin học 1- K42Chương 1 TỔNG QUAN VỀ KHAI PHÁ DỮ LIỆU1.1 Giới thiệu về khai phá dữ liệu:Khai phá dữ liệu được định nghĩa là quá trình trích xuất các thông tin có giá trị tiềm ẩn bên trong lượng lớn dữ liệu được lưu trữ trong các cơ sở dữ liệu, kho dữ liệu. Cụ thể hơn đó là tiến trình trích lọc, sản sinh những tri thức hoặc những mẫu tiềm ẩn, chưa biết nhưng hữu ích từ các cơ sở dữ liệu lớn. Đồng thời là tiến trình khái quát các sự kiện rời rạc trong dữ liệu thành các tri thức mang tính khái quát, tính qui luật hỗ trợ tích cực cho các tiến trình ra quyết định. Hiện nay, ngoài thuật ngữ khai phá dữ liệu, người ta còn dùng một số thuật ngữ khác có ý nghĩa tương tự như: Khai phá tri thức từ CSDL (Knowlegde mining from database), trích lọc dữ liệu (Knowlegde extraction), phân tích dữ liệu/mẫu (data/pattern analysis), khảo cổ dữ liệu (data archaeology), nạo vét dữ liệu (data dredredging). Nhiều người coi khai phá dữ liệu và một số thuật ngữ thông dụng khác là khám phá tri thức trong CSDL (Knowledge Discovery in Databases- KDD) là như nhau. Tuy nhiên trên thực tế khai phá dữ liệu chỉ là một bước thiết yếu trong quá trình Khám phá tri thức trong CSDL. Để hình dung vấn đề này ta có thể sử dụng một ví dụ đơn giản như sau: Khai phá dữ liệu được ví như tìm một cây kim trong đống cỏ khô. Trong ví dụ này, cây kim là một mảnh nhỏ tri thức hoặc một thông tin có giá trị và đống cỏ khô là một kho cơ sở dữ liệu rộng lớn. Như vậy, những thông tin có giá trị tiềm ẩn trong kho cơ sở dữ liệu sẽ được chiết xuất ra và sử dụng một cách hữu ích nhờ khai phá dữ liệu. Chức năng khai phá dữ liệu gồm có gộp nhóm phân loại, dự báo, dự đoán và phân tích các liên kết. Nguồn dữ liệu phục vụ cho KTDL có thể là các CSDL lớn hay các kho dữ liệu (Datawarehouse) có hay không có cấu trúc. Các tác vụ khai phá dữ liệu có thể được phân thành hai loại: miêu tả và dự báohoặc các đặc tính chung của dữ liệu trong CSDL hiện có. Các kỹ thuật này gồm có: phân cụm (clustering), tóm tắt (summerization), trực quan hoá (visualiztion), phân tích sự phát triển và độ lệch (Evolution and deviation analyst), phân tích luật kết hợp (association rules)… - Các tác vụ khai phá miêu tả mô tả các đặc tính chung của dữ liệu trong cơ sở dữ liệu. Kỹ thuật khai phá dữ liệu mô tả: Có nhiệm vụ mô tả về các tính chất hoặc các đặc tính chung của dữ liệu trong CSDL hiện có. Các kỹ thuật này gồm có: phân cụm (clustering), tóm tắt (summerization), trực quan hoá (visualiztion), phân tích sự phát triển và độ lệch (Evolution and deviation analyst), phân tích luật kết hợp (association rules)… -Các tác vụ khai phá dự báo thực hiện việc suy luận trên dữ liệu hiện thời để đưa ra các dự báo. Kỹ thuật khai phá dữ liệu dự đoán: Có nhiệm vụ đưa ra các dự đoán dựa vào các suy diễn trên dữ liệu hiện thời. Các kỹ thuật này gồm có: Phân lớp (classification), hồi quy (regression)… 1.2 Các nhiệm vụ của khai phá dữ liệu:Cho đến nay đã có rất nhiều công trình nghiên cứu và phát triển trong lĩnh vực khai phá dữ liệu. Dựa trên những loại tri thức được khám phá, chúng ta có thể phân loại như theo các nhiệm cụ như sau: Khai phá luật thuộc tính: tóm tắt những thuộc
Trang 1BÁO CÁO BÀI TẬP LỚN MÔN KHO DỮ LIỆU VÀ KHAI PHÁ DỮ LIỆU
Họ và tên: Phan Tiến Dũng
Lớp: Tin học 1- K42
Chương 1
TỔNG QUAN VỀ KHAI PHÁ DỮ LIỆU 1.1 Giới thiệu về khai phá dữ liệu:
Khai phá dữ liệu được định nghĩa là quá trình trích xuất các thông tin có giá trị tiềm
ẩn bên trong lượng lớn dữ liệu được lưu trữ trong các cơ sở dữ liệu, kho dữ liệu Cụ thểhơn đó là tiến trình trích lọc, sản sinh những tri thức hoặc những mẫu tiềm ẩn, chưa biếtnhưng hữu ích từ các cơ sở dữ liệu lớn Đồng thời là tiến trình khái quát các sự kiện rờirạc trong dữ liệu thành các tri thức mang tính khái quát, tính qui luật hỗ trợ tích cực chocác tiến trình ra quyết định Hiện nay, ngoài thuật ngữ khai phá dữ liệu, người ta còndùng một số thuật ngữ khác có ý nghĩa tương tự như: Khai phá tri thức từ CSDL(Knowlegde mining from database), trích lọc dữ liệu (Knowlegde extraction), phân tích
dữ liệu/mẫu (data/pattern analysis), khảo cổ dữ liệu (data archaeology), nạo vét dữ liệu(data dredredging) Nhiều người coi khai phá dữ liệu và một số thuật ngữ thông dụngkhác là khám phá tri thức trong CSDL (Knowledge Discovery in Databases- KDD) lànhư nhau Tuy nhiên trên thực tế khai phá dữ liệu chỉ là một bước thiết yếu trong quátrình Khám phá tri thức trong CSDL
Để hình dung vấn đề này ta có thể sử dụng một ví dụ đơn giản như sau: Khai phá dữliệu được ví như tìm một cây kim trong đống cỏ khô Trong ví dụ này, cây kim là mộtmảnh nhỏ tri thức hoặc một thông tin có giá trị và đống cỏ khô là một kho cơ sở dữ liệurộng lớn Như vậy, những thông tin có giá trị tiềm ẩn trong kho cơ sở dữ liệu sẽ đượcchiết xuất ra và sử dụng một cách hữu ích nhờ khai phá dữ liệu Chức năng khai phá dữliệu gồm có gộp nhóm phân loại, dự báo, dự đoán và phân tích các liên kết
Nguồn dữ liệu phục vụ cho KTDL có thể là các CSDL lớn hay các kho dữ liệu(Datawarehouse) có hay không có cấu trúc Các tác vụ khai phá dữ liệu có thể được phânthành hai loại: miêu tả và dự báohoặc các đặc tính chung của dữ liệu trong CSDL hiện có.Các kỹ thuật này gồm có: phân cụm (clustering), tóm tắt (summerization), trực quan hoá(visualiztion), phân tích sự phát triển và độ lệch (Evolution and deviation analyst), phântích luật kết hợp (association rules)…
Trang 2- Các tác vụ khai phá miêu tả mô tả các đặc tính chung của dữ liệu trong cơ sở dữliệu Kỹ thuật khai phá dữ liệu mô tả: Có nhiệm vụ mô tả về các tính chất hoặc các đặctính chung của dữ liệu trong CSDL hiện có Các kỹ thuật này gồm có: phân cụm(clustering), tóm tắt (summerization), trực quan hoá (visualiztion), phân tích sự phát triển
và độ lệch (Evolution and deviation analyst), phân tích luật kết hợp (association rules)… -Các tác vụ khai phá dự báo thực hiện việc suy luận trên dữ liệu hiện thời để đưa racác dự báo Kỹ thuật khai phá dữ liệu dự đoán: Có nhiệm vụ đưa ra các dự đoán dựa vàocác suy diễn trên dữ liệu hiện thời Các kỹ thuật này gồm có: Phân lớp (classification),hồi quy (regression)…
1.2 Các nhiệm vụ của khai phá dữ liệu:
Cho đến nay đã có rất nhiều công trình nghiên cứu và phát triển trong lĩnh vực khaiphá dữ liệu Dựa trên những loại tri thức được khám phá, chúng ta có thể phân loại nhưtheo các nhiệm cụ như sau:
Khai phá luật thuộc tính: tóm tắt những thuộc tính chung của tập dữ liệu nào đó trong
cơ sở dữ liệu Ví dụ như những triệu chứng của một căn bệnh S thì thường có thể đượcthể hiện qua một tâp các thuộc tính A
Khai phá những luật phân biệt: khai phá những đặc trưng, những thuộc tính để phânbiệt giữa tập dữ liệu này với tập dữ liệu khác Ví dụ như nhằm phân biệt giữa các chứngbệnh thì một luật phân biệt được dùng để tóm tắt những triệu chứng nhằm phân biệtchứng bệnh xác định với những chứng bệnh khác
Khám phá luật kết hợp: khai phá sự kết hợp giữa những đối tượng trong một tập dữliệu Giả sử hai tập đối tượng {A1, A2,… ,An} và {B1, B2,… ,Bn} thì luật kết hợp códạng {A1^A2^…^ An) →{B1^ B2^… ^Bn)
Khám phá luật phân lớp: phân loại dữ liệu vào trong tập những lớp đã biết Ví dụ nhưmột số chiếc xe có những đặc tính chung để phân vào các lớp dựa trên cách tiêu thụ nhiênliệu hoặc có thể phân vào các lớp dựa trên trọng tải…
Phân nhóm: xác định một nhóm cho một tập các đối tượng dựa trên thuộc tính củachúng Một số các tiêu chuẩn được sử dụng để xác định đối tượng có thuộc về nhóm haykhông
Dự báo: dự báo giá trị có thể đúng cuỷa những dữ liệu bị thiếu hoặc sự phân bố thuộctính nào đó trong tập dữ liệu
Khám phá quy luật biến đổi: tìm những tập luật phản ánh những hành vi tiến hóa, biếnđổi chung của một tập dữ liệu Ví dụ như luật khám phá những yếu tố chính tác động lên
sự thay đổi của những giá cổ phiếu nào đó
1.3 Các loại dữ liệu được khai phá:
Khai phá dữ liệu thường làm việc với nhiều kiểu dữ liệu khác nhau Hầu hết cáckiểu dữ liệu được khai phá là những kiểu sau:
Cơ sở dữ liệu quan hệ: những cơ sở dữ liệu được tổ chức theo mô hình quan hệ Hầuhết những hệ quản trị cơ sở dữ liệu hiện nay đều hỗ trợ mô hình
Trang 3này như: Oracle, IBM DB2, MS SQL Server, MS Access…
Cơ sở dữ liệu đa chiều: cơ sở dữ liệu này được gọi là nhà kho dữ liệu,trong đó dữ liệuđược chọn từ nhiều ngồn khác nhau và chứa những đặc tính lịch sử thông qua thuộc tínhthời gian tường minh hay ngầm định
Cơ sở dữ liệu giao tác: đây là loại cơ sở dữ liệu được sử dụng nhiều trong siêu thị,thương mại, tài chính, ngân hàng…
Cơ sở dữ liệu quan hệ - hướng đố tượng: mô hình cơ sở dữ liệu này lai giữa mô hìnhhướng đối tượng và mô hình cơ sở dữ liệu quan hệ
Cơ sở dữ liệu thời gian, không gian: chứa những thông tin về không gian địa lý hoặcthông tin theo thời gian
Cơ sở dữ liệu đa phương tiện: loại dữ liệu này bao gồm: âm thanh, ảnh,video, văn bản
và nhiều kiểu dữ liệu định dạng khác Ngày nay loại dữ liệu này được sử dụng nhiều trênmạng Internet
1.4 Lịch sử phát triển của Khai phá dữ liệu:
- Những năm 1960: Xuất hiện CSDL theo mô hình mạng và mô hình phân cấp
- Những năm 1970: Thiết lập nền tẩng lý thuyết cho CSDL quan hệ, các hệ quảntrị CSDL quan hệ
- Những năm 1980: Hoàn thiện lý thuyết về CSDL quan hệ và các hệ quản trịCSDL quan hệ, xuất hiện các hệ quản trị CSDL cao cấp (hướng đối tượng, suy diễn, )
và hệ quản trị hướng ứng dụng trong lĩnh vực không gian, khoa học, công nghiệp, nôngnghiệp, địa lý
- Những năm 1990-2000: phát triển Khai phá dữ liệu và kho dữ liệu, CSDL đaphương tiện, và CSDL Web
1.5 Ứng dụng của Khai phá dữ liệu:
Khai phá dữ liệu là một lĩnh vực liên quan tới nhiều ngành học khác như: hệ CSDL,thống kê, trực quan hoá… hơn nưa, tuỳ vào cách tiếp cận được sử dụng, khai phá dữ liệucòn có thể áp dụng một số kỹ thuật như mạng nơron, lý thuyết tập thô, tập mờ, biểu diễntri thức… So với các phương pháp này, khai phá dữ liệu có một số ưu thế rõ rệt
• So với phương pháp học máy, khai phá dữ liệu có lợi thế hơn ở chỗ, khai phá dữ liệu
có thể sử dụng với các CSDL chứa nhiều nhiễu, dữ liệu không đầy đủ hoặc biến đổi liêntục Trong khi đó phương pháp học máy chủ yếu được áp dụng trong các CSDL đầy đủ, ítbiến động và tập dữ liệu không qua lớn
• Phương pháp hệ chuyên gia: phương pháp này khác với khai phá dữ liệu ở chỗ các ví
dụ của chuyên gia thường ở mức cao hơn nhiều so với các dữ liệu trong CSDL, và chúngthường chỉ bao hàm được các trường hợp quan trọng Hơn nữa các chuyên gia sẽ xácnhận giá trị và tính hữu ích của các mẫu phát hiện được
• Phương pháp thống kê là một trong những nên tảng lý thuyết của khai phá dữ liệu,nhưng khi so sánh hai phương pháp với nhau ta có thể thấy các phương pháp thống kêcòn tồn tại một số điểm yếu mà khai phá dữ liệu khắc phục được:
Trang 4- Các phương pháp thống kê chuẩn không phù hợp với các kiểu dữ liệu có cấu trúc trongrất nhiều CSDL
- Các phương pháp thống kê hoạt động hoàn toàn theo dữ liệu, nó không sử
dụng tri thức có sẵn về lĩnh vực
- Kết quả phân tích của hệ thống có thể sẽ rất nhiều và khó có thể làm rõ được
- Phương pháp thống kê cần có sự hướng dẫn của người dùng để xác định phân tích dữliệu như thế nào và ở đâu
* Khai thác dữ liệu được ứng dụng rộng rãi trong rất nhiều lĩnh vực như:
Ngân hàng:
◊ Xây dựng mô hình dự báo rủi ro tín dụng
◊ Tìm kiếm tri thức, qui luật của thị trường chứng khoán và đầu tư bất động sản
◊ Phát hiện dùng thẻ tín dụng giả trên mạng và là công cụ hữu ích cho dịch vụ quản lýrủi ro cho thương mại điện tử
Thương mại điện tử:
◊ Công cụ tìm hiểu, định hướng thúc đẩy, giao tiếp với khách hàng
◊ Phân tích hành vi mua sắm trên mạng và cho biết thông tin tiếp thị phù hợp với loạikhách hàng trong một phân khu thị trường nhất định
Một số ứng dụng của khai phá dữ liệu trong lĩnh vực kinh doanh:
∗ BRANDAID: mô hình marketing linh hoạt tập chung vào hàng tiêu dùng đóng gói
∗ CALLPLAN: giúp nhân viên bán hàng xác định số lần viếng thăm của khách hàngtriển vọng và khách hàng hiện có
∗ DETAILER: xác định khách hàng nào nên viếng thăm và sản phẩm nào nên giới thiệutrong từng chuyến viếng thăm,
∗ GEOLINE: mô hình thiết kế địa bàn tiêu thụ và dịch vụ
∗ MEDIAC: Giúp người quảng cáo mua phương tiện trong một năm, lập kế hoạch sửdụng phương tiện bao gồm phác hoạ khúc thị trường, ước tính tiềm năng
1.6 Phân loại:
Chúng ta có thể phân lớp hệ thống khai phá dữ liệu theo các tiêu chuẩn sau:
Phân lớp dựa trên loại dữ liệu được khai phá: những hệ thống khai phá dữ liệu làmviệc với cơ sở dữ liệu quan hệ, nhà kho dữ liệu, cơ sở dữ liệu giao tác, cơ sở dữ liệuhướng đối tượng, đa phương tiện và Web…
Phân lớp dựa trên kiểu tri thức khai phá: hệ thống khai phá dữ liệu xuất kết quả kiểu tómtắt, mô tả, luật kết hợp, phân lớp, phân nhóm và dự báo…
Phân lớp dựa trên loại kỹ thuật được sử dụng: hệ thống khai phá sử dụng các kỹthuật OLAP, kỹ thuật máy học (cây quyết định, mạng neural, thuật giải tiến hóa, tập thô
và tập mờ…)
Trang 5Phân lớp dựa trên lĩnh vực áp dụng khai phá: hệ thống được dùng trong nhiều lĩnhvực: sinh học, y khoa, thương mại và bảo hiểm…
1.7 Một số thách thức đặt ra cho việc khai phá dữ liệu :
Các cơ sở dữ liệu lớn
Số chiều lớn
Thay đổi dữ liệu và tri thức có thể làm cho các mẫu đã phát hiện không còn phù hợp
Dữ liệu bị thiếu hoặc nhiễu
Quan hệ giữa các trường phức tạp
Giao tiếp với người sử dụng và kết hợp với các tri thức đã có
Tích hợp với các hệ thống khác…
Chương 2
QUY TRÌNH VÀ PHƯƠNG THỨC THỰC HIỆN KHAI PHÁ DỮ LIỆU 2.1 Quy trình Tổng quát thực hiện Khai phá dữ liệu:
Quá trình này gồm các bước:
1) Làm sạch dữ liệu (data cleaning): Loại bỏ nhiễu hoặc các dữ liệu không thích hợp 2) Tích hợp dữ liệu (data integration): Tích hợp dữ liệu từ các nguồn khác nhau như:CSDL, Kho dữ liệu, file text…
3) Chọn dữ liệu (data selection): Ở bước này, những dữ liệu liên quan trực tiếp đến nhiệm
vụ sẽ được thu thập từ các nguồn dữ liệu ban đầu
4) Chuyển đổi dữ liệu (data transformation): Trong bước này, dữ liệu sẽ được chuyển đổi
về dạng phù hợp cho việc khai phá bằng cách thực hiện các thao tác nhóm hoặc tập hợp 5) Khai phá dữ liệu (data mining): Là giai đoạn thiết yếu, trong đó các phương phápthông minh sẽ được áp dụng để trích xuất ra các mẩu dữ liệu
6) Đánh giá mẫu (pattern evaluation): Đánh giá sự hữu ích của các mẫu biểu diễn tri thứcdựa vào một số phép đo
Trang 67) Trình diễn dữ liệu (Knowlegde presention): Sử dụng các kỹ thuật trình diễn và trựcquan hoá dữ liệu để biểu diễn tri thức khai phá được cho người sử dụng Ordinal
Hình 2.1: Data mining – một bước trong quá trình khám phá tri thức
2.2 Tiến trình khám phá tri thức khi đi vào một bài toán cụ thể :
Chính vì mục tiêu khám phá trí thức ngầm định trong cơ sở dữ liệu nên quá trìnhkhai phá thường phải qua một số các giai đoạn cần thiết Bao gồm những giai đoạn chuẩn
bị dữ liệu khai phá, giai đoạn khai phá dữ liệu và cuối cùng là giai đoạn chuyển kêt quảkhai phá sang những tri thức cho con người hiểu được Chi tiết các bước thực hiện được
mô tả trong bảng tóm tắt như sau:
Giai đoạn 1: đầu tiên là phát triển một sự hiểu biết về lĩnh vực ứng dụng và những trithức tương ứng Xác định mục đích của tiến trình khai phá dữ liệu từ qua điểm của ngườidùng
Giai đoạn 2: chuẩn bị dữ liệu để khai phá, thu thập dữ liệu và dữ liệu mẫu
Giai đoạn 3: tiền xử lý dữ liệu, xóa các thông tin bị nhiễu trong dữ liệu,loại bỏ sự trùnglặp dữ liệu và xác định chiến lược để xử lý dữ liệu bị mất
Giai đoạn 4: chiếu dữ liệu, thu nhỏ dữ liệu và tìm những đặc trưng để khai phá
Trang 7Hình 2.2: Tổng quan tiến trình khai phá dữ liệu
Giai đoạn 5: chọn một phương pháp khai phá dữ liệu thích hợp nhất trong số cácphương pháp phổ biến như: tóm tắt, phân lớp, hồi quy, phân nhóm, kết hợp…
Giai đoạn 6: từ thuật toán đã chọn, mô hình hóa thuật toán để giải quyết trong trườnghợp cụ thể đang xét Lựa chọn những phương pháp tìm kiếm mẫu dữ liệu, quyết định cáctham số
Giai đoạn 7: đây là giai đoạn khai phá dữ liệu, sử dụng thuật toán để tìm kiếm nhữngmẫu thú vị trong một hình thức thể hiện đắc thù hoặc một tập những thể hiện bao gồmnhững luật phân lớp, cây, sự hồi quy và phân nhóm
Giai đoạn 8: thông dịch lại những mẫu đã được khai phá dưới các hình thức thể hiệntri thức của dữ liệu như ngôn ngữ, biểu đồ, hình cây, bảng…
Quá trình khai phá này có sự tương tác và lặp lại giữa hại bước bất kỳ, nhữngbước cơ bản của tiến trình được minh họa trong hình trên Hầu hết những công việc trướcđây đều tập trung ở bước 7 là giai đoạn khai phá dữ liệu Tuy nhiên, các bước còn lạiquan trọng không kém và những bước đó đóng góp rất nhiều vào sự thành công của toàn
bộ tiến trình khai phá dữ liệu sau đây ta sẽ tìm hiểu chi tiết về quá trình tiền xử lý trongtiến trình
Chương 3
NỘI DUNG 3.1.Mục đích bài:
Hiện nay theo thống kê thì việc ứng dụng tin học vào lĩnh vực y tế mới chỉ ở mức
độ trung bình nhất là việc khai thác các dữ liệu cho việc chẩn đoán bệnh vẫn chưa được
Trang 8ứng dụng nhiều Như chúng ta đã biết bất cứ bệnh nào đều có những triệu chứng cụ thể
và không ít các bệnh còn có “tiền” triệu chứng ( các triệu chứng trước khi dẫn đến bệnh ).Nếu chúng ta biết cách thông kê xử lý và ứng dụng các dữ liệu này vào công tác chẩnđoán nó sẽ giúp ích rất nhiều , có thể giúp các bác sĩ chẩn đoán được số lượng lớn hơncác bệnh nhân, chẩn đoán chính xác hơn và chẩn đoán được sớm hơn Ngoài ra như hiệnnay khi mà công nghệ thông tin khá phát triển trong khi các bệnh viện và các bác sĩ cótây nghề, có kiến thức chuyên môn cao chưa đủ đáp ứng, chính điều này làm quá tải ở cácbệnh viện tuyến trên, quá tải với các bác sĩ có chuyên môn Nếu ta biết áp dụng việc khaiphá dữ liệu bệnh nhân vào trong y tế thì điều này sẽ là một cách rất tốt để giải quyếtnhiều vấn đề của xã hội
3.2 Mô tả dữ liệu:
Tập dữ liệu Breast Cancer Wisconsin (Diagnostic) là tập dữ liệu nghiên cứu
chẩn đoán ung thư vú của 699 bệnh nhân qua các năm từ năm 1989 đến 1990 của tiến sỹ Wolberg qua dữ liệu báo cáo của ông Dữ liệu nghiên cứu gồm 11 trường dữ liệu ghi lại các thông số cần thiết của các mẫu và chẩn đoán đối với các trường hợp cụ thể
Inde
Trang 93.3.Tiền xử lý dữ liệu :
3.3.1 Lọc dữ liệu:
Như ta thấy đối với việc chẩn đoán thì dữ liệu thuộc trường thứ nhất không
tham gia vào nên ta có thể loại bỏ thuộc tính này:
Trang 10Bên cạnh đó do dữ liệu của chúng ta có 16 lỗi, bây giờ chúng ta cần xử lý vấn đềnày Có 2 cách thông dụng để xử lý lỗi này đó là thay thế các giá trị lỗi bằng một giá trị nào đó hoặc cách thứ 2 là xóa bỏ các mẫu đó khỏi dữ liệu Với bài toán này do con số 16
là khá nhỏ so với 699 nên trường hợp này tôi chọn phương án loại bỏ các mẫu lỗi Lúc này dữ liệu mới của tôi còn có 683 mẫu
Với mẫu dữ liệu do tên các thuộc tính tương đối dài nên để cho tiện tôi chuyển đổi các tên thành các số liệu như sau để tiện hơn trong việc khai phá
Trang 11Ngoài ra Weka cũng cung cấp cho ta công cụ kiểm tra việc và xếp hạng mức độquan trọng trong việc tham gia vào quá trình khai phá dữ liệu Đối với cơ sở dữ liệu hiệntại ta có:
=== Attribute Selection on all input data ===
Search Method:
Attribute ranking.
Attribute Evaluator (supervised, Class (nominal): 10 KL):
Information Gain Ranking Filter
3.3.2 Rời rạc hóa dữ liệu (Discretization)
Trong Data Mining, một số kỹ thuật như khai phá luật kết hợp (association rule mining) chỉ có thể thực hiện trên các dữ liệu phân loại (categorical/ nominal data) Điều này yêu cầu phải thực hiện việc rời rạc hóa trên các thuộc tính có kiểu dữ liên tục (như kiểu
Trang 12numeric chẳn hạn) khi muốn áp dụng các kỹ thuật này Trong file dữ liệu hiện tại đều ở dưới dạng numeric trong khi phạm vi của các thuộc tính từ A1 đến A9 là từ 1 đến 10 và thuộc tính KL có hai giá trị là 2 và 4 vì vậy ta tiến hành thay từ khóa “numeric” bằng các giá trị rời rạc {1,2,3,4,5,6,7,8,9,10} đối với các thuộc tính A1 đến A9 và giá trị rời rạc {2,4} đối với thuộc tính KL bằng bất kỳ text editor nào (WordPad chẳn hạn) (Xem hình)
3.3.3 Classifier (Phân lớp):
