Data Type و Content Type در داده کاوی

Data Type و Content Type در داده کاوی

به منظور پیاده سازی مدل های داده کاوی در SSAS از دو نوع داده ای استفاده می‌شود. یک نوع  فیزیکی که در ساختار داده کاوی کاربرد دارد و دیگری نوع منطقی است که برای ستون های مورد استفاده در مدل بکار می‌رود. به زبان ساده تر در زمان ایجاد یک مدل داده کاوی برای ستون های انتخاب شده از جداول دو نوع داده ای Data Type و Content Type خواسته می‌شود که اولی به عنوان نوع فیزیکی و دومی به عنوان نوع منطقی برای SSAS شناخته می‌شود.

در ادامه به شرح هر یک از آن‌ها خواهم پرداخت اما قبل از آن به عبارات و تعارف زیر توجه کنید.

 

Data Type: از آن به عنوان نوع داده ای نام برده می‌شود که نشان دهنده نوع رکور های یک ستون خاص در جدول است.

Content Type: از آن به عنوان نوع محتوایی نام برده می‌شود که بیانگر شرح حالت و نوع منطقی رکورد های ستون است.

Column: ستون های هر جدول است.

Row: به سطرهای هر جدول گفته می‌شود.

Case Table: منظور از آن جدول اصلی و پایه است.

Nested Table: منظور از آن جدول کمکی یا تو در تو است.

Input: به ستون های ورودی انتخاب شده برای مدل گفته می‌شود.

Predictable: به ستون هایی که باید پیش بینی بر اساس آنها انجام شود گفته می‌شود. از آنها به عنوان ستون های قابل پیش بینی نیز یاد می‌شود.

در زمان ساخت مدل، نوع داده ای هر ستون در قسمت Data Type مشخص می‌شود که این کار باعث می‌شود تا الگوریتم اطلاعاتی از داده های هر ستون بدست آورد و در پردازش آن ها بکار گیرد. در داده کاوی هر نوع داده‌ای یک یا چند نوع محتوایی را پشتیبانی می‌کند. Content Type رفتار محتوای ستون ها را به SSAS توصیف می‌کند. برای مثال اگر داده های یک ستون در وقفه های زمانی خاصی مانند روزهای هفته تکرار شوند می‌توان نوع محتوایی مربوط به آن ستون را برابر با Cyclical قرار داد.

برخی از الگوریتم های داده کاوی برای اینکه به خوبی کار کنند حساسیت زیادی به مشخص بودن این انواع دارند مانند الگوریتم بیز که نمی‌تواند از نوع محتوایی Continus برای مقادیر ورودی استفاده کند.

 

 

 

Data Type

هنگام ساخت مدل داده کاوی در SSAS باید نوع داده ای هر ستون مشخص شود. در واقع نوع داده ای مشخص کننده‌ی متنی یا عددی بودن داده های موجود در ستون است. موتور داده‌کاوی از این اطلاعات برای مشخص کردن نحوه پردازش استفاده می‌کند.

هر نوع داده ای یک یا چند نوع محتوایی را پشتیبانی می‌کند. برای مثال اگر داده های موجود در یک ستون عدد باشند می‌توانید در قسمت Data Type آن نوع Numeric یا Text را انتخاب کنید. اگر نوع Numeric را انتخاب کنید در آن صورت برای Content Type نوع‌های Continuous و Discretize قابل انتخاب هستند.

جدول زیر نوع های داده‌ای و محتوایی قابل پشتیبانی را نشان می‌دهد.

 

 

Data Type,Content Type,داده کاوی

 

 

Content Type

همانطور که پیش تر گفته شد نوع محتوایی برای SSAS به عنوان یک نوع منطقی شناخته می‌شود که بیانگر رفتار محتوای ستون ها است. در ادامه به شرح هر یک از انواع Content Type می‌پردازم.

Discrete: این نوع نشان دهنده این است که ستون مورد نظر شامل تعداد محدودی از مقادیر است. برای مثال ستون جنسیت را در نظر بگیرید، مقادیر این ستون یا مرد است یا زن، به ستون‌هایی که این نوع مقادیر را در خود دارند Discrete گفته می‌شود. این نوع مقادیر نظم و ترتیب خاصی ندارند و نمی توانند حاکی از مسئله ای باشند و با اینکه ممکن است گاهی اوقات عددی هم باشند، نمی توانند ما را به مقصود خاصی برسانند. مثل شماره تلفن که عدد است اما کاربردی در محاسبات ندارند.

Continuous: این نوع بیانگر داده های عددی نامحدود است که در یک مقیاس خاصی میان مقادیر وجود دارد. همانطور که در مورد نوع Discrete متوجه شدید، این نوع محدود و قابل شمارش است اما مقادیر Continuous مقادیر عددی در رنج بزرگ و نامحدود می‌باشند. یک ستون با رکورد هایی از درجه حرارت مثال مناسبی برای این نوع است.

Discretized: این نوع بیانگر فرایند قرار دادن یک مجموعه از تعداد محدودی از مقادیر Continuous در یک گروه است. به عبارت دیگر نوع discretized گروهی از داده های مشتق شده از ستون Continuous را شامل می‌شود. می توان داده ها را به صورت دستی discretized کرد.

Key: همان طور که از نام این نوع مشخص است، به معنای یونیک بودن رکوردها در هر سطر است. معمولا در جداول اصلی (Case Tables) کلید به صورت عددی یا متنی مشخص می‌شود. انتخاب نوع Key برای ستون به معنای عدم آنالیز بر روی آن ستون است و فقط جهت پیگیری رکورد ها استفاده می‌شود.

جداول تودرتو (Nested Tables) نیز ستون کلید دارند اما معنای Key در این جداول کمی متفاوت با قبلی است. در جداول تودرتو زمانی یک ستون را به عنوان Key معرفی می‌کنیم که قصد داشته باشیم تا از خصوصیات آن ستون برای آنالیز استفاده کنیم. با این حال مقادیر ستون این جدول باید جدول اصلی یونیک باشد. برای مثال اگر قصد آنالیز محصولات خریداری شده‌ی مشتریان را دارید، باید در قسمت Content Type مربوط به ستون CustomerID در جدول اصلی نوع Key را انتخاب کنید و همین کار را برای ستون PurchasedProducts در جدول تودرتو انجام دهید.

key sequence: از این نوع فقط در الگوریتم خوشه بندی زنجیره‌ای استفاده می‌شود و بیانگر و توصیف کننده‌ی رویدادهای پیوسته و زنجیره‌ای در ستون است.

key time: از این نوع فقط در الگوریتم سری زمانی استفاده می‌شود و به معنای این است که مقادیر این ستون در واحد زمان نمایش داده می‌شوند.

Cyclical: رکوردهای موجود در این نوع بیانگر وجود یک مجموعه‌ی گردشی است برای مثال روزهای هفته یک مجموعه گردشی است زیرا هفت روز هفته مرتبا تکرار می‌شود. ستون های cyclical را با نوع‌های ordered  discrete  نیز مشخص می‌کنند.

Ordered: این نوع معمولا مشخص کننده‌ی ستون هایی است که مقادیر آن‌ها به صورت زنجیره‌ای است.

 

 

 

دیدگاه خود را بنویسید: