基于关系视图的决策树建模

数据挖掘是一种有用的决策支持技术，可用于发现仓库或企业数据中的产生式规则。数据挖掘研究已致力于在各种大型数据库上高效应用各种挖掘算法。然而，其实际应用中存在的一个严重问题是此类算法的处理时间过长。如今，关键挑战之一是将数据挖掘方法集成到传统数据库系统的框架内。事实上，此类实现可以利用 SQL 引擎提供的效率。在本文中，我们提出了一种在经典数据库系统内集成决策树的方法。换言之，我们试图通过嵌入 SQL 查询的过程，从关系数据库中以产生式规则的形式发现知识。所获得的决策树由一系列相关的关系视图定义，每个视图对应底层决策树中的给定群体。我们选择了经典的 ID3（Induction Decision Tree）算法来构建决策树。为了证明我们对 ID3 的实现工作正常，我们成功地将该过程的输出与现有且经过验证的数据挖掘软件 SIPINA 的输出进行了比较。此外，由于我们的方法是可调的，它可以推广到任何其他类似的基于决策树的方法。