39、犯罪模式挖掘方法

犯罪模式挖掘方法

在犯罪数据的分析中，为了能够进行有意义的分析并最终提取有价值的知识，需要对数据集进行一定的数据泛化，并开发数据立方体。

1. 数据泛化

原始数据通常包含过多的离散值和类别，数据泛化是将数据库中大量相关数据从低概念层次抽象到相对较高层次的过程。本次数据泛化主要集中在概念层次生成上。

1.1 概念层次生成

数据库中的数据在原始概念层次往往包含详细信息。如果初始工作关系（数据库）中某个属性有大量不同的值，并且存在针对该属性的泛化操作符，那么应选择并应用这些操作符。由于数据集包含离散值，为使分析有意义，生成了三种不同类型的概念层次：
- 操作派生层次 ：基于专家指定的操作。以犯罪类型为例，将原始数据集中的多种犯罪类型分为两类：
- 轻罪：包括入室盗窃、盗窃、机动车盗窃。
- 重罪：包括谋杀、强奸、袭击、抢劫。

以下是进行分组的 SQL 查询：

-- 分组轻罪
SELECT DISTINCTROW Sum([Crime].[Burglary]) 
AS [Sum Of Burglary], Avg([Crime].[Burglary]) 
AS [Avg Of Burglary], Min([Crime].[Burglary]) AS 
[Min Of Burglary], Max([Crime].[Burglary]) AS 
[Max Of Burglary], Sum([Crime].[Larceny]) AS 
[Sum Of Larceny], Avg([Crime].[Lar