【发布时间】:2011-11-04 12:38:10
【问题描述】:
有这两张表:
TableA
ID Opt1 Opt2 Type
1 A Z 10
2 B Y 20
3 C Z 30
4 C K 40
和
TableB
ID Opt1 Type
1 Z 57
2 Z 99
3 X 3000
4 Z 3000
找到这两个表之间的任意关系的好算法是什么?在这个例子中,我希望它找到 TableA 中包含 Op1 = C 的记录和 TableB 中包含 Type = 3000 的记录之间的明显关系。
我可以以某种方式考虑先验,但似乎不太实用。你们说什么?
谢谢。
【问题讨论】:
-
定义太差以至于没有意义。问足够多的人,对于任何两个不同的对象,你会发现一些人坚持认为它们之间有很强的关系。要么说出你对哪些数学关系感兴趣,要么只对 is-correlated 问题的每个实例发出“是”。
-
@Patrick87 我敢对你的评论说同样的话。我可以尝试改进这个问题,但非建设性的喋喋不休无助于前进。根据我对先验的了解,我试图让这个例子尽可能简单。即找到具有统计意义的关系(在这种情况下
C->3000比任何事情都更重要)。如果还有其他我可以澄清或更具体的内容,请在此处提问,或者如果您有可能的答案,请在下面发布。谢谢。 -
@fillipo:我无意无用。我只是指出关系 C->3000 既不明显也不明显重要。也许您要求的是:给定两个表,确定 table1 中是否存在 c1 列和 table2 中的 c2 列,使得 c1 和 c2 相同,直到重命名元素。在这种情况下,table1 中的“Opt1”列和 table2 中的“Type”列可能确实相关。如果这是您的目标,我很乐意将其正式化并提出一两个算法。没有难过的感觉。
-
@Patrick87 谢谢你,这里也是。是的,这似乎是一个更具体的描述。但是,我不想只寻找直接的等价物,还要寻找基于“频率”或“置信度”之类的分析的“候选者”。也许正确的文本是“测量 t1.cx(一列或 table1 列的组合)是否接近 t2.cx(一列或 table2 列的组合)” - 这更有意义还是我让它变得更糟?
-
不,你做得更好。你想要的是近似的列同构......所以列在元素重命名之前是相同的,可能有一些例外。请参阅下面的答案,以判断这是否朝着正确的方向发展。
标签: algorithm correlation apriori