56、数据交换：平衡逻辑规则挖掘中的隐私与精度

数据交换：平衡逻辑规则挖掘中的隐私与精度

1 数据交换概述

数据交换旨在找到给定数据库 D 的变换，使新数据库 D’与原数据库具有相同的 k 阶统计量（k ∈ {0, …, K}）。然而，寻找通用的数据交换是一个棘手的问题。近似数据交换通过用随机生成的记录替换原始数据库（或其一部分），使新数据库与原数据库具有相似的 k 阶统计量。但在统计数据库中，这种方法存在实施成本高、不适合在线动态数据库以及精度低等缺点。

2 诱导分类器

2.1 分类器构建任务

构建分类器是常见的数据挖掘任务之一。它以一组类别和预分类的训练集为输入，构建一个模型，用于对未分类的数据进行分类。可以将分类器看作一个函数 f : A1 x … Ad → C，训练集则是该函数的 n 个点 f(zi) = ci（i = 1, …, n）。训练集通常以属性向量格式呈现，每个案例是表中的一行，第 i 个案例是向量 zi = (id, xi1, …, xid, ci)，其中 id 是唯一标识符，xij 是第 i 个案例的第 j 个属性值，ci 是该案例的类别。模型的目标不仅是对未见过的案例有高预测能力，还应描述类别如何依赖于属性，为知识发现提供对数据的理解。

2.2 决策树

决策树是一种常用的分类器。内部节点用分类属性 At 标记，有 |At| 条边连接到 |At| 个子节点，每条边用 At 中的一个值标记。当对记录进行分类时，如果记录的第 t 个属性值为 uf，则选择标记为 uf 的边对应的子节点进行下一步分类。如果第 t 个属性是数值型（连续型），内部节点通常只有两条出边，分别对应 xt < b 和 xt ≥ b 两个区间，根据记录的第 t 个