基于數(shù)據(jù)庫(kù)技術(shù)應(yīng)用分類算法的比較分析

李國(guó)慶

（江蘇聯(lián)合職業(yè)技術(shù)學(xué)院徐州財(cái)經(jīng)分院 江蘇 221008）

0 引言

數(shù)據(jù)庫(kù)技術(shù)是計(jì)算機(jī)數(shù)據(jù)處理與信息管理系統(tǒng)的核心，研究和解決了計(jì)算機(jī)信息處理過(guò)程中大量數(shù)據(jù)有效地組織和存儲(chǔ)的問(wèn)題，其主要作用是通過(guò)技術(shù)實(shí)現(xiàn)在數(shù)據(jù)庫(kù)系統(tǒng)中減少數(shù)據(jù)存儲(chǔ)冗余、實(shí)現(xiàn)數(shù)據(jù)共享、保障數(shù)據(jù)安全以及高效地檢索數(shù)據(jù)和處理數(shù)據(jù)，數(shù)據(jù)庫(kù)技術(shù)的根本目標(biāo)是要解決數(shù)據(jù)的共享問(wèn)題。

在數(shù)據(jù)庫(kù)系統(tǒng)中對(duì)數(shù)據(jù)庫(kù)中的數(shù)據(jù)進(jìn)行有效計(jì)算是數(shù)據(jù)庫(kù)研究中的重點(diǎn)內(nèi)容，對(duì)數(shù)據(jù)進(jìn)行分類實(shí)際上是發(fā)現(xiàn)數(shù)據(jù)之間存在的聯(lián)系，對(duì)具有共性的數(shù)據(jù)進(jìn)行分類的一個(gè)過(guò)程。目前，在數(shù)據(jù)挖掘中已經(jīng)成功應(yīng)用多種數(shù)據(jù)處理方法，對(duì)數(shù)據(jù)庫(kù)的發(fā)展起到了有效推動(dòng)作用。

1 數(shù)據(jù)庫(kù)系統(tǒng)中的貝葉斯（Bayes）分類方法應(yīng)用

貝葉斯（Bayes）分類法是歸于統(tǒng)計(jì)學(xué)的一種分類方法，主要利用概率知識(shí)對(duì)數(shù)據(jù)進(jìn)行計(jì)算。大多數(shù)情況下，這種分類方法在效果上是能夠與神經(jīng)網(wǎng)絡(luò)法與決策樹(shù)分類法相比較的。貝葉斯分類法主要應(yīng)用于較大型數(shù)據(jù)庫(kù)當(dāng)中，在計(jì)算效果上快速準(zhǔn)確，尤其是在分類方面，能夠?qū)?shù)據(jù)進(jìn)行合理分類。但是，在使用貝葉斯（Bayes）分類法算法的過(guò)程中，要對(duì)某一屬性值進(jìn)行假設(shè)，假設(shè)它對(duì)相應(yīng)類別的影作用是不受其它屬性值影響的，而這種假設(shè)在實(shí)際情況中并不成立，因此對(duì)計(jì)算的準(zhǔn)確程度上會(huì)產(chǎn)生一定影響。

1.1 貝葉斯（Bayes）分類方法原理

貝葉斯算法是一種實(shí)用性較強(qiáng)的技術(shù)，相對(duì)于決策樹(shù)算法而言，這種算法不僅運(yùn)用起來(lái)較為簡(jiǎn)單，且操作方便，不需要進(jìn)行大量的數(shù)據(jù)搜索。但是，這種算法是基于假設(shè)進(jìn)行的，而這類假設(shè)通常難以滿足實(shí)際情況。基于這種情況，研究者研制出了一種形狀類似網(wǎng)絡(luò)圖形的結(jié)構(gòu)，并將其稱為貝葉斯網(wǎng)絡(luò)。貝葉斯網(wǎng)絡(luò)的理論基礎(chǔ)比較穩(wěn)固，在建設(shè)上采用簡(jiǎn)單易懂的圖解法來(lái)表示概率分布變更的情況。在這張圖中，每個(gè)屬性都存在于對(duì)應(yīng)的節(jié)點(diǎn)，節(jié)點(diǎn)之間的連接具有方向性，但不能形成環(huán)狀，其工作原理如下：

（1）在統(tǒng)計(jì)學(xué)中，要求每次試驗(yàn)的對(duì)象都相互獨(dú)立，即對(duì)實(shí)驗(yàn)對(duì)象進(jìn)行父輩節(jié)點(diǎn)屬性設(shè)置，保障其父輩以及更高輩分的屬性是相互獨(dú)立的。

（2）在概率論中，存在一條鏈規(guī)則，這種規(guī)則設(shè)定了屬性的數(shù)量，并通過(guò)公式將聯(lián)合概率分解為乘積形式。由于這種網(wǎng)絡(luò)是一種無(wú)法進(jìn)行環(huán)狀連接的排序，因此節(jié)點(diǎn)順序也應(yīng)按照大小進(jìn)行排列。

1.2 貝葉斯算法的應(yīng)用

由于貝葉斯算法的特點(diǎn)，其研究重點(diǎn)應(yīng)該放在建立的過(guò)程。面對(duì)數(shù)據(jù)庫(kù)中的大量數(shù)據(jù)，研究者必須優(yōu)化計(jì)算方法，將數(shù)據(jù)進(jìn)行合理的屬性設(shè)定，保障其精度的準(zhǔn)確。為此，研究者提出了一種較為折中的方式，被稱為“樹(shù)擴(kuò)張”形式。這種方式的基本思想是將傳統(tǒng)貝葉斯方式的屬性假設(shè)做出合理設(shè)定，及在條件上稍微放松，將其結(jié)構(gòu)進(jìn)行合理擴(kuò)展，讓這種結(jié)構(gòu)能夠?qū)傩灾g原本存在的關(guān)系有效容納。這種方式具體而言是在分類器上加上相應(yīng)連線，并考慮將每個(gè)節(jié)點(diǎn)設(shè)置對(duì)應(yīng)的父輩節(jié)點(diǎn)。通過(guò)實(shí)驗(yàn)不難發(fā)現(xiàn)，這種算法的性能是比較優(yōu)異的。

2 數(shù)據(jù)庫(kù)技術(shù)的決策樹(shù)算法(Decision Tree）應(yīng)用

決策樹(shù)(Decision Tree）是在已知各種情況發(fā)生概率的基礎(chǔ)上，通過(guò)構(gòu)成決策樹(shù)來(lái)求取凈現(xiàn)值的期望值大于等于零的概率，評(píng)價(jià)項(xiàng)目風(fēng)險(xiǎn)，判斷其可行性的決策分析方法，是直觀運(yùn)用概率分析的一種圖解法。

決策樹(shù)在結(jié)構(gòu)上呈現(xiàn)出樹(shù)狀，由一個(gè)根節(jié)點(diǎn)展開(kāi)，對(duì)不同屬性的數(shù)據(jù)進(jìn)行測(cè)試，并對(duì)測(cè)試結(jié)果進(jìn)行分類，每個(gè)分類都相當(dāng)于這棵樹(shù)的“分枝”，接著，將內(nèi)個(gè)分類中的樣本劃分為不同的子集，子集的集合相當(dāng)于樹(shù)的節(jié)點(diǎn)。在生成的決策樹(shù)中，每個(gè)葉節(jié)點(diǎn)都應(yīng)該有一個(gè)相應(yīng)的分類與之對(duì)應(yīng)，保障從屬關(guān)系能夠被有效挖掘。舉一個(gè)簡(jiǎn)單的例子，對(duì)某個(gè)周日下午是否適合打羽毛球進(jìn)行分析，包含對(duì)戶外三種情況的分析，每種情況又要進(jìn)行具體濕度或是風(fēng)力影響的分析，具體構(gòu)建出的決策樹(shù)如圖。

使用決策樹(shù)方法進(jìn)行數(shù)據(jù)處理過(guò)程中，需要與數(shù)據(jù)倉(cāng)庫(kù)進(jìn)行有效結(jié)合，以此來(lái)保障數(shù)據(jù)挖掘的有效性。數(shù)據(jù)倉(cāng)庫(kù)的存在能夠?qū)?shù)據(jù)進(jìn)行分層次的挖掘，幫助決策樹(shù)能夠更加準(zhǔn)確，且在交互式方面運(yùn)用合理。在概念層次樹(shù)當(dāng)中，與數(shù)據(jù)立方的有效結(jié)合能夠在抽象概念上對(duì)數(shù)據(jù)進(jìn)行有效分類，即在決策樹(shù)建立完成之后還能夠使用樹(shù)中的概念層次將每個(gè)節(jié)點(diǎn)進(jìn)行泛化。

決策樹(shù)的應(yīng)用在數(shù)據(jù)挖掘領(lǐng)域中存在的時(shí)間較長(zhǎng)，但仍舊存在著一些亟待解決的問(wèn)題。例如，決策樹(shù)由于是對(duì)抽象概念的分析，因此在精度方面并不完善，提高決策樹(shù)的精度是目前研究的重點(diǎn)。在規(guī)模上，決策樹(shù)的規(guī)模越小，其知識(shí)要點(diǎn)就越簡(jiǎn)潔，人們對(duì)決策樹(shù)的理解就越快捷，但是，結(jié)構(gòu)簡(jiǎn)單并不意味著精度越高，對(duì)決策樹(shù)的研究需要結(jié)合貝葉斯方法等將其進(jìn)一步完善，保障精度的有效性。

3 數(shù)據(jù)庫(kù)系統(tǒng)中基于關(guān)聯(lián)規(guī)則的數(shù)據(jù)分類處理方法

關(guān)聯(lián)分類法在分類器的建造上主要分為兩個(gè)步驟，一是將右邊屬性為類別屬性的類別進(jìn)行有效發(fā)現(xiàn)，并將其標(biāo)記；二是在已經(jīng)發(fā)現(xiàn)的類別中計(jì)算置信度，置信度最高的規(guī)則可以作為主要規(guī)則，也就是第一規(guī)則，用于將訓(xùn)練集進(jìn)行覆蓋。在這種情況下，當(dāng)類別左邊相同時(shí)，若是右邊被分為了不同的類，應(yīng)該選用置信度高的來(lái)作為整個(gè)數(shù)據(jù)對(duì)象的可能規(guī)則。關(guān)聯(lián)規(guī)則分類主要運(yùn)用于大量事務(wù)數(shù)據(jù)的記錄中，尤其是對(duì)數(shù)據(jù)庫(kù)中隱藏在事務(wù)里面的關(guān)聯(lián)規(guī)則具有顯著成效。但是，基于關(guān)聯(lián)規(guī)則的分類也具有一定缺陷，例如在設(shè)計(jì)過(guò)程中，為了確保沒(méi)有規(guī)格被漏掉，設(shè)計(jì)者通常將最小支持度的值設(shè)置為零的狀態(tài)，這樣一來(lái)，關(guān)聯(lián)規(guī)則法就無(wú)法發(fā)揮其對(duì)對(duì)象進(jìn)行優(yōu)化的作用。這樣一來(lái)，系統(tǒng)會(huì)產(chǎn)生大量頻繁的項(xiàng)目集，久之在內(nèi)存上無(wú)法容納，使得程序運(yùn)行緩慢。

傳統(tǒng)的關(guān)聯(lián)規(guī)則挖掘算法是依照數(shù)據(jù)庫(kù)中發(fā)生的具體項(xiàng)目進(jìn)行非常細(xì)節(jié)的挖掘，然而有時(shí)用戶可能想發(fā)現(xiàn)更高層次的規(guī)律，為此，提出了多層次關(guān)聯(lián)規(guī)則的挖掘問(wèn)題，解決了傳統(tǒng)算法很難發(fā)現(xiàn)的數(shù)據(jù)處理規(guī)則，所以在歸納抽象層次上或多層次上挖掘關(guān)聯(lián)規(guī)則具有重要的意義。目前關(guān)聯(lián)規(guī)則發(fā)現(xiàn)已經(jīng)從單一概念層次發(fā)展到多概念層次，在概念層次上一層層向下，從具體到一般，其發(fā)現(xiàn)的關(guān)聯(lián)規(guī)則所提供的信息也更具體，逐步發(fā)展到深化的知識(shí)發(fā)現(xiàn)。以下是幾種數(shù)據(jù)庫(kù)技術(shù)應(yīng)用中常見(jiàn)的數(shù)據(jù)分類方法。

3.1 ARCS分類法

ARCS實(shí)際上是以聚類挖掘?yàn)榛A(chǔ)的一種分類方法，包含關(guān)聯(lián)規(guī)則聚類以及量化挖掘。其準(zhǔn)確性很大程度取決于離散化的程度，并且可擴(kuò)展，在相比之下，C4.5在時(shí)間方面是具有指數(shù)運(yùn)行的，空間方面，要求將所有存放于數(shù)據(jù)庫(kù)中的數(shù)據(jù)全部放入內(nèi)存當(dāng)中。

3.2 關(guān)聯(lián)分類法

關(guān)聯(lián)分類方法中，其規(guī)則具有較高的支持度以及置信度，其具體表達(dá)形式如下：

Cond_set=＞Y。式中，Y表示一個(gè)類別，cond set指的是對(duì)屬性值對(duì)的集合。這種計(jì)算方式具有以下幾個(gè)特征，一是最小支持度較為頻繁，二是最小置信度較為精確。在計(jì)算過(guò)程中，若是在一個(gè)規(guī)則項(xiàng)集中存在相同屬性值對(duì)的集合，則應(yīng)選取置信度高的作為規(guī)則，并且作為該集合的代表。其規(guī)則主要表現(xiàn)為以下幾個(gè)方面：

（1）系統(tǒng)需要將所有可能會(huì)出現(xiàn)的規(guī)則找到，并將其中頻繁出現(xiàn)以及精度上有所保障的規(guī)則歸為同一集合。在算法方面，系統(tǒng)會(huì)采用迭代方式，將規(guī)則進(jìn)行裁剪再進(jìn)行搜索。

（2）在分類的構(gòu)建方面，可以使用啟發(fā)式方法，將規(guī)則根據(jù)其置信度等方面進(jìn)行先后排序，一般而言，會(huì)將支持度或是置信度較高的規(guī)則排放在前面。

4 基于數(shù)據(jù)庫(kù)技術(shù)本身的分類方法

在數(shù)據(jù)挖掘的各項(xiàng)方法中，多數(shù)算法并沒(méi)有有效利用數(shù)據(jù)庫(kù)本身技術(shù)來(lái)進(jìn)行，即數(shù)據(jù)庫(kù)的參與性并不高。但是，研究者們研究的算法對(duì)象是數(shù)據(jù)庫(kù)中的數(shù)據(jù)，若是不能夠有效結(jié)合數(shù)據(jù)庫(kù)，會(huì)造成資源的無(wú)端浪費(fèi)，因此，這個(gè)問(wèn)題已經(jīng)成為了研究者們研究的重點(diǎn)之一。

5 結(jié)束語(yǔ)

除了上述分析的四種方法之外，還有一些其它的分類算法，像基于案例的推理方法、后向傳播法、模糊數(shù)據(jù)集方法以及遺傳算法等，都在數(shù)據(jù)庫(kù)算法中發(fā)揮著一定功效。對(duì)數(shù)據(jù)進(jìn)行分類時(shí)數(shù)據(jù)庫(kù)發(fā)展中的重要課題，研究者應(yīng)加大研究力度，在計(jì)算機(jī)技術(shù)不斷發(fā)展的背景下充實(shí)自身能力培養(yǎng)，加強(qiáng)對(duì)算法的優(yōu)化策略，并根據(jù)各類不同算法的優(yōu)缺點(diǎn)在計(jì)算中選取適合算法，讓數(shù)據(jù)庫(kù)技術(shù)得以提高。

[1]毛國(guó)君.數(shù)據(jù)挖掘技術(shù)與關(guān)聯(lián)規(guī)則挖掘算法研究[D].北京工業(yè)大學(xué)，2008.

[2]王清毅，張波，蔡慶生.目前數(shù)據(jù)挖掘算法的評(píng)價(jià)[J].小型微型計(jì)算機(jī)系統(tǒng)，2009（01）.

[3]黃雯.數(shù)據(jù)挖掘算法及其應(yīng)用研究[D].南京郵電大學(xué)，2013.

[4]胡斌.基于網(wǎng)格技術(shù)的分布式空間數(shù)據(jù)挖掘算法研究[D].中南大學(xué)，2008.

[5]劉長(zhǎng)付.數(shù)據(jù)挖掘技術(shù)中的關(guān)聯(lián)規(guī)則挖掘算法研究[D].江西理工大學(xué)，2009.

[6]趙艷芹.關(guān)聯(lián)規(guī)則數(shù)據(jù)挖掘算法的研究[D].哈爾濱工程大學(xué)，2009.