Výška sloupců v daných mezích - obecně

V příkladu jsme řešili analytickou otázku Existuje skupina klientů, která přijíždí zhruba ve stejném zastoupení každý den v týdnu? Otázku jsme transformovali do zadání procedury CF-Miner podle těchto zásad:

1. Analyzovali jsme matici dat HotelPlusExterni, jejíž řádky odpovídají pobytům klientů v hotelu. Využili jsme fakt, že kategorie atributu PDenTydne odpovídají dnům týdne a že jsou k dispozici atributy charakterizující klienty.
2. Pro definici relevantních skupin klientů jsme použili atributy PNoci_enum_m, POsob, POsobonoci_ef5 ze skupiny Pobyt, HPohlavi a HVek_exp ze skupiny Host, H_Cizinec_b, HMesto, HStat ze skupiny Host/Bydliště a MObloha a MTeplota_exp ze skupiny atributů Meteo.
3. Jako dolní hranici počtu klientů ve skupině jsme stanovili 105.
4. To, že klienti přijíždí zhruba ve stejném zastoupení každý den v týdnu jsme vyjádřili pomocí minimálního a maximálního procenta klientů přijíždějících v jednotlivých dnech týdne. Jako dolní hranici jsme použili 10 procent a jako horní hranici 20 procent.
5. Tyto úvahy jsme vyjádřili pomocí parametrů ve sloupcích ATRIBUTES FOR HISTOGRAM, QUANTIFIERS a CONDITION

Obecný postup počínaje formulací analytické otázky a končící stanovením úlohy pro proceduru CF-Miner lze s využitím příkladu popsat takto:

• Vycházíme z matice dat jejíž některé sloupce - atributy charakterizují objekty našeho zájmu které nemusí odpovídat řádkům analyzované matice dat. V našem příkladu nás zajímají klienti hotelu, ale řádky matice HotelPlusExterni odpovídají pobytům klientů v hotelu. Dále budeme předpokládat, že atributy charakterizující objekty našeho zájmu jsou rozděleny do skupin G1,…, GK.
• Mezi sloupci - atributy analyzované matice existuje atribut A takový, že je zajímavé znát všechny skupiny objektů našeho zájmu, které jsou rozloženy zhruba rovnoměrně mezi jednotlivé kategorie atributu A. V příkladu hledáme skupinu klientů, kteří přijíždí zhruba ve stejném zastoupení každý den v týdnu.
• Můžeme tedy formulovat analytickou otázku Existuje skupina objektů taková, že její objekty jsou rozloženy zhruba rovnoměrně mezi kategorie atributu A?
• Zbývá stanovit dolní hranici počtu objektů našeho zájmu ve skupině, minimální a maximální počet procent objektů ze skupiny, které musí spadat do každé kategorie. Budeme předpokládat, že minimální počet objektů je MINOBJ, minimální počet procent je MINPROC a maximální počet procent je MAXPROC.

Pro zadání parametrů procedury CF-Miner použijeme

• atribut A a obecné zásady pro zadávání atributů ve sloupci ATRIBUTES FOR HISTOGRAM
• skupiny atributů G1,…, GK a obecné zásady pro zadávání podmínky ve sloupci CONDITION
• Hodnoty MINOBJ, MINPROC a MAXPROC pro zadání CF-kvantifikátorů SUM, MIN a MAX podle obecných zásad pro zadávání CF-kvantifikátorů, viz též následující odstavce.

Použijeme Jednoduché frekvenční CF-kvantifikátory, viz první krok v levé části obrázku. Ve druhém kroku, viz pravou část obrázku, zadáme:

• míru zajímavosti Sum of frequencies v rozbalovací nabídce Interest measure type
• způsob výpočtu míry zajímavosti Absolute number v rozbalovací nabídce Source frequencies
• celý histogram (rozpětí od 0 do 100 %) v Category range
• operátor porovnání Greater than or equal v rozbalovací nabídce Relation
• prahovou hodnotu MINOBJ v poli Threshold value
• jednotky pro prahovou hodnotu Absolute number v rozbalovací nabídce Threshold-value units
• oblast Primary IM settings nebudeme měnit.

Použijeme Jednoduché frekvenční CF-kvantifikátory, viz první krok v levé části obrázku. Ve druhém kroku, viz pravou část obrázku, zadáme:

• míru zajímavosti Min. frequency v rozbalovací nabídce Interest measure type
• způsob výpočtu míry zajímavosti Absolute number v rozbalovací nabídce Source frequencies
• celý histogram (rozpětí od 0 do 100 %) v Category range
• operátor porovnání Greater than or equal v rozbalovací nabídce Relation
• prahovou hodnotu MINPROC v poli Threshold value
• jednotky pro prahovou hodnotu Relative [%] to act condition v rozbalovací nabídce Threshold-value units
• oblast Primary IM settings nebudeme měnit.

Použijeme Jednoduché frekvenční CF-kvantifikátory, viz první krok v levé části obrázku. Ve druhém kroku, viz pravou část obrázku, zadáme:

• míru zajímavosti Max. frequency v rozbalovací nabídce Interest measure type
• způsob výpočtu míry zajímavosti Absolute number v rozbalovací nabídce Source frequencies
• celý histogram (rozpětí od 0 do 100 %) v Category range
• operátor porovnání Less than or equal v rozbalovací nabídce Relation
• prahovou hodnotu MAXPROC v poli Threshold value
• jednotky pro prahovou hodnotu Relative [%] to act condition v rozbalovací nabídce Threshold-value units
• oblast Primary IM settings nebudeme měnit.