数据集成

数据挖掘需要数据集成---合并来自多个数据库的数据

一.模式集成和对象匹配

确定一个源的ID指的是另一个源的某字段（根据属性的元数据（字段名，含义，数据类型，属性的取值范围））

二.属性冗余

1.属性是连续数值计算相关系数（皮尔逊积矩系数）

N是元组的个数，ai和bi 分别是元组i中A和B的值分别是A和B的均值分别是A和B的标准差是AB叉积的和

2.属性是离散数据卡方值

设 A有c个不同值 B有r个不同值 （Ai,Bj）= (A=ai,B=bj)

其中oij为（Ai,Bj)的观测频度即实际计数eij为期望频度

三.数据值冲突的检测预处理

在集成时 ，关注数据结构，确保源系统中的属性函数依赖和参照约束与目标系统中的匹配