データの一般化と概念の説明の方法は何ですか？

データの一般化は、比較的低レベルの値（属性年齢の数値など）を高レベルの概念（若年、中年、上級など）に置き換えることによってデータを要約します。データベースに保存されるデータの量が多いことを考えると、一般化された（低いではなく）抽象化の方法で、簡潔で簡潔な用語で概念を定義できることは有益です。

これにより、データセットを複数の抽象化レベルで一般化できるため、ユーザーはデータの一般的な動作を簡単に調べることができます。たとえば、AllElectronicsデータベースを考えると、営業マネージャーは、単一の顧客トランザクションを調べるのではなく、地理的地域ごとのユーザーグループごとの要約、グループごとの購入頻度、ユーザーの収入など、より高いレベルに一般化されたデータを表示することを好む場合があります。これは、データの一般化の一形態である概念記述の概念につながります。

概念は通常、頻繁な購入者、大学院生などを含むデータのセットとして定義されます。データマイニングタスクとして、概念の説明はデータの単純な列挙ではありません。代わりに、概念の説明は、データの特性評価と比較のための説明を生成します。概念がオブジェクトのクラスとして定義される場合、クラスの説明とも呼ばれます。

特性評価は、特定のデータセットの簡潔で簡潔な要約をサポートし、概念またはクラスの比較（識別とも呼ばれる）は、2つ以上のデータセットを比較する記述をサポートします。次のような場合があります-

複雑なデータ型と集計 −データウェアハウスとOLAPツールは、ディメンション（または属性）やメジャー（集約サービス）などの情報をデータキューブの形式で表示する多次元データモデルに依存しています。

ただし、現在のいくつかのOLAPシステムでは、ディメンションが非数値レコードに限定され、メジャーが数値情報に限定されています。データベースには、数値、非数値、空間、テキスト、画像など、いくつかのデータ型の属性を含めることができます。これらの属性は、概念の説明に含める必要があります。

ユーザー制御と自動化 −データウェアハウスでのオンライン分析処理は、ユーザーが制御するフェーズです。ディメンションの選択と、ドリルダウン、ロールアップ、スライス、ダイシングなどのOLAPサービスのソフトウェアは、通常、ユーザーによって指示および管理されます。

いくつかのOLAPシステムの制御はユーザーフレンドリーですが、ユーザーは各ディメンションの重要性を最もよく理解する必要があります。さらに、情報の十分な説明を見つけることができ、ユーザーは長い一連のOLAP操作を定義する必要があります。

分析に含める必要のあるディメンション（または属性）と、レコードの興味深い要約を作成するために特定のデータセットを一般化する必要がある度合いをユーザーが決定できるようにする、より自動化されたフェーズを用意することが望ましいです。