ATTRIBUTE REDUCTIONIn many data set

ATTRIBUTE REDUCTION
In many data sets, you will find that some attributes are simply irrelevant to answering a given question. In Chapter 4 we will discuss methods for evaluating correlation, or the strength of relationships between given attributes. In some instances, you will not know the extent to which a certain attribute will be useful without statistically assessing that attribute’s correlation to the other data you will be evaluating. In our process stream in RapidMiner, we can remove attributes that are not very interesting in terms of answering a given question without completely deleting them from the data set. Remember, simply because certain variables in a data set aren’t interesting for answering a certain question doesn’t mean those variables won’t ever be interesting. This is why we recommended bringing in all attributes when importing the Chapter 3 data set earlier in this chapter—uninteresting or irrelevant attributes are easy to exclude within your stream by following these steps:
1) Return to design perspective. In the operator search field, type Select Attribute. The Select Attributes operator will appear. Drag it onto the end of your stream so that it fits between the Replace operator and the result set port. Your window should look like Figure 3-32.
2) In the Parameters pane, set the attribute filter type to ‘subset’, then click the Select Attributes button; a window similar to Figure 3-33 will appear.
3) Using the green right and left arrows, you can select which attributes you would like to keep. Suppose we were going to study the demographics of Internet users. In this instance, we might select Birth_Year, Gender, Marital_Status, Race, and perhaps Years_on_Internet, and move them to the right under Selected Attributes using the right green arrow. You can select more than one attribute at a time by holding down your control or shift keys (on a Windows computer) while clicking on the attributes you want to select or deselect. We could then click OK, and these would be the only attributes we would see in results perspective when we run our model. All subsequent downstream data mining operations added to our model will act only upon this subset of our attributes.

Kết quả (Việt) 1:

THUỘC TÍNH GIẢMTrong nhiều bộ dữ liệu, bạn sẽ tìm thấy rằng một số thuộc tính được chỉ đơn giản là không thích hợp để trả lời một câu hỏi nhất định. Trong chương 4 chúng tôi sẽ thảo luận về các phương pháp để đánh giá sự tương quan, hoặc sức mạnh của mối quan hệ giữa cho thuộc tính. Trong một số trường hợp, bạn sẽ không biết mức độ mà một thuộc tính nhất định sẽ được hữu ích mà không có ý nghĩa thống kê đánh giá rằng thuộc tính tương quan của các dữ liệu khác mà bạn sẽ đánh giá. Trong quá trình của chúng tôi dòng trong RapidMiner, chúng tôi có thể loại bỏ thuộc tính mà không phải là rất thú vị về trả lời một câu hỏi nhất định mà không hoàn toàn xóa chúng từ các thiết lập dữ liệu. Hãy nhớ rằng, chỉ đơn giản là bởi vì một số biến trong một tập hợp dữ liệu không phải là thú vị để trả lời một câu hỏi nhất định không có nghĩa là những biến sẽ không bao giờ được thú vị. Đây là lý do tại sao chúng tôi đề nghị đưa vào tất cả các thuộc tính khi nhập khẩu dữ liệu chương 3 thiết lập trước đó trong chương này-thuộc tính uninteresting hoặc không thích hợp là dễ dàng để loại trừ trong dòng của bạn bằng cách làm theo các bước sau:1) quay trở lại để thiết kế quan điểm. Trong lĩnh vực tìm kiếm nhà điều hành, hãy nhập chọn thuộc tính. Các nhà điều hành chọn thuộc tính sẽ xuất hiện. Kéo nó vào cuối của dòng của bạn vì vậy mà nó phù hợp giữa các nhà điều hành thay thế và kết quả thiết lập cổng. Cửa sổ của bạn sẽ giống như hình 3-32.2) trong tham số ngăn, đặt loại bộ lọc thuộc tính để 'tập con', sau đó nhấp vào nút chọn thuộc tính; một cửa sổ tương tự để con số 3-33 sẽ xuất hiện.3) bằng cách sử dụng màu xanh lá cây bên phải và trái mũi tên, bạn có thể chọn các thuộc tính mà bạn muốn giữ. Giả sử chúng tôi đã đi để nghiên cứu các nhân khẩu của người sử dụng Internet. Trong trường hợp này, chúng tôi có thể chọn Birth_Year, giới tính, Marital_Status, chủng tộc, và có lẽ Years_on_Internet, và di chuyển chúng ở bên phải dưới chọn thuộc tính bằng cách sử dụng mũi tên màu xanh lá cây ngay. Bạn có thể chọn nhiều hơn một thuộc tính tại một thời gian bằng cách giữ kiểm soát hoặc shift phím (trên một máy tính Windows) của bạn trong khi nhấn vào thuộc tính bạn muốn chọn hoặc bỏ chọn. Chúng tôi có thể sau đó nhấp vào OK, và đây sẽ là các thuộc tính duy nhất chúng tôi sẽ nhìn thấy trong kết quả người khi chúng tôi chạy mô hình của chúng tôi. Tất cả các hoạt động khai thác dữ liệu tiếp theo hạ lưu thêm vào mô hình của chúng tôi sẽ hành động chỉ theo này tập hợp con của các thuộc tính của chúng tôi.

Kết quả (Việt) 2:

ATTRIBUTE GIẢM
Trong nhiều bộ dữ liệu, bạn sẽ thấy rằng một số các thuộc tính chỉ đơn giản là không thích hợp để trả lời một câu hỏi được đưa ra. Trong Chương 4, chúng tôi sẽ thảo luận về phương pháp đánh giá sự tương quan, hay sức mạnh của mối quan hệ giữa các thuộc tính nhất định. Trong một số trường hợp, bạn sẽ không biết mức độ mà một thuộc tính nào đó sẽ có ích mà không đánh giá thống kê tương quan của thuộc tính đó để các dữ liệu khác, bạn sẽ được đánh giá. Trong dòng quá trình của chúng tôi trong RapidMiner, chúng ta có thể loại bỏ các thuộc tính đó không phải là rất thú vị về việc trả lời một câu hỏi được đưa ra mà không hoàn toàn xóa chúng từ tập dữ liệu. Hãy nhớ rằng, chỉ đơn giản bởi vì biến nhất định trong một tập dữ liệu không được thú vị để trả lời một câu hỏi nào đó không có nghĩa là những biến sẽ không bao giờ thú vị. Đây là lý do tại sao chúng tôi đề nghị đưa vào tất cả các thuộc tính khi nhập dữ liệu Chương 3 thiết lập trước đó trong chương này thuộc tính-nhàm chán hoặc không liên quan được dễ dàng để loại trừ trong phạm vi luồng của mình bằng cách làm theo các bước sau:
1) Trở về thiết kế phối cảnh. Trong lĩnh vực tìm kiếm điều hành, gõ Chọn Thuộc tính. Chọn thuộc tính điều hành sẽ xuất hiện. Kéo nó vào cuối dòng của bạn để nó phù hợp giữa các nhà điều hành và thay thế các cổng kết quả. . Cửa sổ của bạn sẽ trông giống như hình 3-32
2) Trong cửa sổ Parameters, đặt các loại bộ lọc thuộc tính 'tập hợp', sau đó nhấn nút Chọn thuộc tính; một cửa sổ tương tự như Hình 3-33 sẽ xuất hiện.
3) Sử dụng đúng các mũi tên màu xanh lá cây và trái, bạn có thể chọn các thuộc tính bạn muốn giữ. Giả sử chúng ta sẽ nghiên cứu nhân khẩu học của người sử dụng Internet. Trong ví dụ này, chúng ta có thể chọn Birth_Year, Giới tính, Marital_Status, chủng tộc, và có lẽ Years_on_Internet, và di chuyển chúng sang bên phải dưới Thuộc tính được chọn bằng cách sử dụng mũi tên màu xanh bên phải. Bạn có thể chọn nhiều hơn một thuộc tính tại một thời điểm bằng cách giữ phím điều khiển hoặc thay đổi các phím của bạn (trên một máy tính Windows) khi nhấp chuột vào các thuộc tính bạn muốn để chọn hoặc bỏ chọn. Sau đó chúng ta có thể nhấn OK, và sẽ có những thuộc tính duy nhất chúng ta sẽ thấy trong kết quả quan điểm khi chúng tôi chạy mô hình của chúng tôi. Tất cả các hoạt động khai thác dữ liệu hạ lưu tiếp theo thêm vào mô hình của chúng tôi chỉ sẽ hành động theo tập hợp con của các thuộc tính của chúng tôi.