例外値はどのように計算されますか？

データ異常の認識をサポートするための例外インジケーターとして使用される3つのメジャーがあります。これらの測定値は、セル内の量がその期待値に関して影響を与えるという驚きの程度を示します。

メジャーは計算され、すべてのレベルの集計についてすべてのセルに関連付けられます。 SelfExp、InExp、およびPathExpの測定値は、テーブル分析の数値的アプローチに基づいています。

セル値は、その期待値が統計モデルで決定される場合の期待値との違いに応じて、例外として扱われます。与えられたセル値とその期待値の差は残差として知られています。

直感的には、残差が大きいほど、提供されるセル値は例外になります。残差値を比較するには、残差に関連する予想される標準偏差に基づいて値をスケーリングする必要があります。したがって、セルの値は、スケーリングされた残差値が事前に指定されたしきい値を超えた場合、例外と見なされます。

SelfExp、InExp、およびPathExpの測定値は、このスケーリングされた残差に基づいています。特定のセルの期待値は、提供されたセルのより大きなレベルのgroup-byのサービスです。たとえば、3次元のA、B、およびCを持つ立方体が与えられた場合、Aのi番目の位置、Bのj番目の位置、およびCのk番目の位置にあるセルの期待値はγ、γAiの関数です。使用される数値モデルの係数であるγBj、γCk、γABij、γACik、およびγBCjk。

係数は、より多くのレベルでの値の違いが、より大きなレベルの集計で表示することによって形成される一般化されたインプレッションに依存することを示しています。このアプローチでは、セル値の例外品質は、それに続く値の例外に依存します。したがって、例外を表示するときは、ユーザーがドリルダウンして例外を分析することが不可欠です。

この計算は、次のような3つのフェーズで構成されます-

• 最初のステップには、例外が検出される合計またはカウントを含む、キューブを定義する集計値の計算が含まれます。

• 2番目のフェーズはモデルフィッティングで構成され、係数が決定され、標準化された残差を計算するために使用されます。計算が同じであるため、このフェーズは最初のフェーズとオーバーラップする可能性があります。

• 3番目のフェーズでは、標準化された残差に応じて、SelfExp、InExp、およびPathExpの値を計算します。このフェーズは、フェーズ1と計算上同等です。したがって、ディスカバリー駆動型の探索のためのデータキューブの計算を効果的に完了することができます。