Основы информационных технологий
Download 1.75 Mb. Pdf ko'rish
|
Интеллектуальный анализ данных Чернышова
|
Первичные данные Номер клиента Имя Адрес Дата подписки Тип журнала 23003 Дженсон 1 Downing Street 04-15-94 Автомобильный 23003 Дженсон 1 Downing Street 06-21-93 Музыкальный 23003 Дженсон 1 Downing Street 05-30-92 Комиксы 23009 Клинтон 2 Boulevard 01-01-01 Комиксы 23013 Кинг 3 High Road 02-30-95 Спортивный 23004 Джонсон 1 Downing Street 01-01-01 Дом – 73 – Таблица 10 Устранение дублирования Номер клиента Имя Адрес Дата подписки Тип журнала 23003 Дженсон 1 Downing Street 04-15-94 Автомобильный 23003 Дженсон 1 Downing Street 06-21-93 Музыкальный 23003 Дженсон 1 Downing Street 05-30-92 Комиксы 23009 Клинтон 2 Boulevard 01-01-01 Комиксы 23013 Кинг 3 High Road 02-30-95 Спортивный 23003 Дженсон 1 Downing Street 01-01-01 Дом В примере в атрибуте имени БД присутствуют значения Дженсон и Джонсон. Они имеют различные клиентские номера, но один и тот же адрес, что достаточно сильно свидетельствует о том, что эти двое – один и тот же человек, но что в имени одного существует ошибка. Ко- нечно, нельзя быть уверенным до конца, что это так, но алгоритм устранения дублирования, используя технику анализа образцов, мог бы идентифицировать ситуацию и представить ее пользователю для при- нятия решения. Этот тип ошибок встречается часто: это создает впечатление, что ор- ганизация имеет больше клиентов, чем есть на самом деле. Это пред- ставляет серьезную проблему в маркетинговой деятельности. Второй распространенный тип загрязнения – это недостаток области совместимости (табл. 11). Обратите внимание, что в табл.9 мы имеем две записи, датированные 1 января 1900 года, хотя организация, веро- ятно, даже не существовала в это время. Этот тип загрязнения особенно опасен, поскольку его трудно проследить, но он будет оказывать огром- ное влияние на процедуры обнаружения знаний. Таблица 11 Download 1.75 Mb. Do'stlaringiz bilan baham: 
|