Khai phá luật kết hợp mờ và áp dụng vào bài toán đầu tư chứng khoán

BỘ GIÁO DỤC VÀ ĐÀO TẠO
TRƯỜNG ĐẠI HỌC BÁCH KHOA HÀ NỘI
--------------------------------------------

LUẬN VĂN THẠC SĨ

KHAI PHÁ LUẬT KẾT HỢP MỜ VÀ ÁP DỤNG VÀO
BÀI TOÁN ĐẦU TƯ CHỨNG KHOÁN
NGÀNH: CÔNG NGHỆ THÔNG TIN

NGUYỄN THÁI CƯỜNG

Người hướng dẫn khoa học: PGS -TS. TRẦN ĐÌNH KHANG

HÀ NỘI 2009


BẢN CAM ĐOAN
Tôi là Nguyễn Thái Cường, học viên cao học lớp CNTT khóa 2007 - 2009.
Người hướng dẫn khoa học là PGS.TS. Trần Đình Khang
Tôi xin cam đoan toàn bộ nội dung được trình bày trong bản luận văn này là
kết quả tìm hiểu và nghiên cứu của riêng tôi, trong quá trình nghiên cứu đề tài
“Khai phá luật kết hợp mờ và áp dụng vào bài toán đầu tư chứng
khoán”. Các kết quả và dữ liệu được nêu trong luận văn là hoàn toàn trung
thực và rõ ràng. Mọi thông tin trích dẫn đều được tuân theo luật sở hữu trí tuệ,
liệt kê rõ ràng các tài liệu tham khảo. Tôi xin chịu hoàn toàn trách nhiệm với
những nội dung được viết trong luận văn này.

Hà nội, ngày 18 tháng 11 năm 2009
HỌC VIÊN

NGUYỄN THÁI CƯỜNG


LỜI CẢM ƠN
Trước tiên em xin được trân trọng gửi lời cảm ơn và lòng biết ơn sâu sắc đến
PGS.TS TRẦN ĐÌNH KHANG người đã tận tình hướng dẫn em từ bước chọn lựa đề
tài đến các bước tìm tài liệu và nghiên cứu. Vì đây là một lĩnh vực hoàn toàn mới mẻ
đối với em nên nếu như không được sự chỉ bảo tận tình của PGS.TS TRẦN ĐÌNH
KHANG thì em đã không thể hoàn thành được luận văn này.
Em cũng xin được chân thành cảm ơn các thầy giáo, cô giáo Viện CNTT - TT
đã cung cấp cho chúng em những kiến thức cần thiết không chỉ cho khóa học mà còn
giúp cho em rất nhiều trong công tác chuyên môn hàng ngày.
Cuối cùng xin được gửi lời cảm ơn đến các bạn bè, đồng nghiệp và gia đình đã
giúp đỡ trong việc tìm tài liệu tham khảo, trong công việc và động viên tôi trong thời
gian vừa qua để tôi có thể thực hiện xong luận văn này.
Xin trân trọng cảm ơn.
Học viên
Nguyễn Thái Cường


MỤC LỤC
Trang
Lời cảm ơn
Mục lục
Danh mục các bảng ...................................................................................................... 4
Danh mục các hình vẽ ................................................................................................ 5
Lời nói đầu.................................................................................................................... 6
Chương 1: Tổng quan về khai phá dữ liệu............................................................... 7
1.1 Phát hiện và khai phá dữ liệu ................................................................................. 7
1.2 Quá trình phát hiện tri thức từ cơ sở dữ liệu .......................................................... 8

1.2.1 Vấn đề phát hiện tri thức từ cơ sở dữ liệu ........................................................... 9
1.2.2 Thu thập và tiền xử lý dữ liệu .............................................................................. 9
1.2.2 .1. Chọn lọc dữ liệu ............................................................................................. 10
1.2.2 .2. Làm sạch dữ liệu............................................................................................. 10
1.2.2 .3. Làm giàu dữ liệu............................................................................................. 10
1.2.2 .4. Mã hóa............................................................................................................ 11
1.2.3 Khai phá dữ liệu .................................................................................................. 11
1.2.4 Minh họa và đánh giá.......................................................................................... 11
1.2.5 Đưa kết quả vào thực tế....................................................................................... 12
1.3 Nội dung bài toán khai phá dữ liệu ........................................................................ 12
1.3.1 Phát hiện luật tối ưu truy vấn ngữ nghĩa ............................................................ 12
1.3.2 Phát hiện sự phụ thuộc cơ sở dữ liệu .................................................................. 13
1.3.3 Phát hiện sai lệch ............................................................................................... 14
1.3.4 Phát hiện luật kết hợp ......................................................................................... 14
1.3.5 Mô hình hóa sự phụ thuộc ................................................................................... 15
1.3.6 Phân nhóm........................................................................................................... 16
1.3.7 Phân lớp............................................................................................................... 16
1.3.8 Tổng hợp.............................................................................................................. 16
1


1.4 Các kỹ thuật khai phá dữ liệu ................................................................................. 17
1.4.1 Công cụ truy vấn ,các kỹ thuật thống kê hiện thị ................................................ 17
1.4.2 Các công cụ truy vấn trực tiếp ............................................................................ 18
1.4.3 K láng giêng gần nhất ......................................................................................... 19
1.4.4 K trung bình......................................................................................................... 20
1.4.5 Cây quyết định ..................................................................................................... 21
1.4.6 Luật kết hợp ......................................................................................................... 22
Chương 2: Khai phá luật kết hợp mờ....................................................................... 24
2.1 Luật kết hợp ........................................................................................................... 24

2.1.1 Ý nghĩa luật kết hợp ............................................................................................ 24
2.1.2 Một số hướng tiếp cận trong khai phá luật kết hợp ............................................ 25
2.1.3 Phát biểu bài toán khai phá luật kết hợp ........................................................... 25
2.1.4 Thuật toán Apriori .............................................................................................. 29
2.1.5 Thuật toán Apriori nhị phân để tìm tập phổ biến............................................... 32
2.1.6 Phương pháp rời rạc hóa dữ liệu ........................................................................ 34
2.2 Khai phá luật kết hợp mờ ....................................................................................... 36
2.2.1 Tập mờ ................................................................................................................ 36
2.2.2 Các phép toán cơ bản trên tập mờ ...................................................................... 37
2.2.3 Áp dụng tập mờ để rời rạc hóa dữ liệu và các ưu điểm ...................................... 38
2.2.4 Luật kết hợp mờ ................................................................................................... 40
2.2.5 Thuật toán khai phá luật kết hợp mờ................................................................... 42
Chương 3: Bài toán đầu tư chứng khoán ................................................................. 52
3.1 Nội dung bài toán ................................................................................................... 52
3.1.1 Mô hình bài toán.................................................................................................. 52
3.1.2 Cách giải quyết bài toán ..................................................................................... 53
3.1.3 Chuyển đổi cơ sở dữ liệu .................................................................................... 55
3.1.4 Trích rút thông tin và mờ hóa ............................................................................. 56
3.1.5 Xây dựng công thức tính toán chỉ số .................................................................. 59

2


3.2 Cài đặt và thử nghiệm............................................................................................. 59
3.2.1 Các bước xây dựng chương trình ........................................................................ 59
3.2.2 Các chức năng của chương trình ........................................................................ 61
3.2.2.1 Chức năng Fuzzy Database.............................................................................. 61
3.2.2.2 Chức năng Find Association Rules .................................................................. 62
3.2.2.3 Chức năng calculate Index ............................................................................... 64
3.3 Cài đặt..................................................................................................................... 67

KẾT LUẬN VÀ KIẾN NGHỊ...................................................................................... 71
TÀI LIỆU THAM KHẢO ............................................................................................ 72
TÓM TẮT LUẬN VĂN

3


DANH MỤC CÁC BẢNG
Trang
Bảng 2.1 : Ví dụ về một cơ sở dữ liệu dạng giao tác

26

Bảng 2.2 : Các tập phổ biến với độ hỗ trợ tối thiểu 50%

27

Bảng 2.3 : Luật kết hợp sinh ra từ tập phổ biến ABE

29

Bảng 2.4 : Rời rạc hóa thuộc tính số.

35

Bảng 2.5. Ký hiệu sử dụng trong thuật toán khai phá luật kết hợp mờ

42

Bảng 2.6 Ví dụ cơ sở dữ liệu 13 cuộc gọi điện thoại

44

Bảng 2.7 –TF- Giá trị các thuộc tính tại các bản ghi đã được mờ hóa

46

Bảng 2.8 : F1- Tập tất cả các thuộc tính mờ phổ biến có lực lượng bằng 1

47

Bảng 3.1. ví dụ về dữ liệu giao dịch chứng khoán theo ngày

55

Bảng 3.2. ví dụ về dữ liệu giao dịch của từng cổ phiếu theo ngày

55

Bảng 3.3 : Giao dịch của cổ phiếu BBC trong tháng 12

68

4


DANH MỤC CÁC HÌNH VẼ
Trang
Hình 1.1: Quá trình phát hiện tri thức từ cơ sở dữ

9

Hình 2.1: Đồ thị hàm thuộc của 3 tập mờ

38

Hình 3.1: Hàm thuộc hình thang cho các tập mua trái phiếu ít
và mua trái phiếu trung bình

54

Hình 3.2 : Các bước tiến hành khai phá dữ liệu chứng khoán

59

Hình 3.3 : Trang thông tin chứng khoán

60

Hình 3.4 : Giao diện chính chương trình

61

Hình 3.5 Mờ hóa database phần VnIndex

61

Hình 3.6 a,b Kết quả tìm luật

62

Hình 3.7 Giao diện chức năng tính customer index

63

Hình 3.8 Người dùng lựa chọn loại chứng khoán quan tâm

64

Hình 3.9 : Mờ hóa database theo Customer index

65

Hình 3.10 : Kết quả tìm luật của Customer Index

66

Hình 3.11 : Đồ thị cổ phiếu BBC trong tháng 12

69

5


LỜI NÓI ĐẦU
Trong những năm gần đây, vai trò của máy tính trong việc lưu trữ và xử lý
thông tin ngày càng quan trọng. Cùng với việc phát triển mạnh mẽ của công nghệ,
đặc biệt trong lĩnh vực phát triển khả năng của bộ vi xử lý, các thiết bị lưu trữ và
các thiết bị thu nhập dữ liệu tự động đã tạo ra những kho dữ liệu khổng lồ như dữ
liệu ngân hàng, bán hàng…Vấn đề đặt ra là làm thế nào để xử lý khối lượng thông

tin cực lớn như vậy để phát hiện ra các tri thức tiềm ẩn. Những tri thức thu được,
được chuyên môn hoá theo các lĩnh vực như ứng dụng tài chính, sản xuất, nghiên
cứu…
Để có được tri thức từ cơ sở dữ liệu người ta đã phát triển các lý thuyết và
kỹ thuật mới, một trong số đó là kỹ thuật khai phá dữ liệu, nhằm tìm ra những
thông tin tiềm ẩn có giá trị mà trước đó chưa được phát hiện cũng như tìm ra
những xu hướng phát triển và tác động lên chúng.
Khai phá luật kết hợp là bài toán được nhiều nhà nghiên cứu quan tâm bởi
nó được ứng dụng rộng rãi trong các lĩnh vực cũng như chứa đựng nhiều hướng
mở rộng khác nhau. Luận văn tốt nghiệp này nhằm tìm hiểu về “Khai phá luật kết
hợp mờ và áp dụng vào bài toán đầu tư chứng khoán”. Qua luận văn tôi cũng
xin được bày tỏ lời cảm ơn sâu sắc nhất đến thầy giáo PGS.TS Trần Đình Khang
đã giúp đỡ trong quá trình thực hiện.
Trong quá trình thực hiện luận văn này, mặc dù đã rất cố gắng, song không
thể tránh khỏi những sai sót, tôi rất mong nhận được sự chỉ bảo và giúp đỡ của thầy
giáo và các bạn.

6


CHƯƠNG 1: TỔNG QUAN VỀ KHAI PHÁ DỮ LIỆU
Cùng với sự phát triển của công nghệ thông tin và việc ứng dụng công nghệ
thông tin trong nhiều lĩnh vực của đời sống kinh tế xã hội, trong nhiều năm qua
lượng dữ liệu đã được các cơ quan thu thập và lưu trữ ngày một tích luỹ nhiều lên.
Họ lưu trữ các dữ liệu này vì cho rằng trong nó ẩn chứa những giá trị nhất định nào
đó. Tuy nhiên, theo thống kê thì chỉ có một lượng nhỏ của những dữ liệu này
(khoảng từ 5% đến 10%) là luôn được phân tích, số còn lại họ không biết sẽ phải
làm gì hoặc có thể làm gì với chúng nhưng họ vẫn tiếp tục thu thập rất tốn kém với
ý nghĩ rằng có cái gì đó quan trọng đã bị bỏ qua sau này sẽ có lúc cần đến nó. Mặt
khác, trong môi trường cạnh tranh, người ta ngày càng cần có nhiều thông tin với

tốc độ nhanh để trợ giúp việc ra quyết định và ngày càng có nhiều câu hỏi mang
tính chất định tính cần phải trả lời dựa trên một khối lượng dữ liệu khổng lồ đã có.
Với những lý do như vậy, các phương pháp quản trị và khai thác cơ sở dữ liệu
truyền thống ngày càng không đáp ứng được thực tế đã làm phát triển một khuynh
hướng kỹ thuật mới đó là Kỹ thuật phát hiện tri thức và khai phá dữ liệu (KDD Knowledge Discovery and Data Mining).
Kỹ thuật phát hiện tri thức và khai phá dữ liệu đã và đang được nghiên cứu,
ứng dụng trong nhiều lĩnh vực khác nhau ở các nước trên thế giới, tại Việt Nam kỹ
thuật này cũng đang được nghiên cứu và dần đưa vào ứng dụng. Trong chương này
trình bày một cách tổng quan về Kỹ thuật phát hiện tri thức và khai phá dữ liệu.
1.1. Phát hiện tri thức và khai phá dữ liệu
Nếu quan niệm tri thức là mối quan hệ của các mẫu giữa các phần tử dữ liệu
thì quá trình phát hiện tri thức chỉ toàn bộ quá trình triết suất tri thức từ cơ sở dữ
liệu, trong đó trải qua nhiều giai đoạn khác nhau như: tìm hiểu và xác định vấn đề,
thu nhập và tiền xử lý dữ liệu, phát hiện tri thức, minh hoạ và đánh giá tri thức đã
phát hiện và đưa kết quả vào thực tế. Đây là một kỹ thuật mới xuất hiện và có tốc
7


độ phát triển rất nhanh. Ngoài ra nó còn là một lĩnh vực đa ngành liên quan đến
nhiều lĩnh vực khác như: lý thuyết thuật toán, tính toán song song và tính toán kết
quả cao . . . nhưng chủ yếu dựa trên nền tảng của xác suất thống kê, cơ sở dữ liệu
và học máy.
Khai phá dữ liệu là giai đoạn phát hiện tri thức trong một chuỗi các giai đoạn
của quá trình KDD. Tuy nhiên đây là giai đoạn đóng vai trò chủ chốt và là giai
đoạn chính tạo nên tính đa ngành của KDD.
Giáo sư Tom Mitchell đã đưa ra định nghĩa của khai phá dữ liệu như sau:
“Khai phá dữ liệu là việc sử dụng dữ liệu lịch sử để khám phá những qui tắc và cải
thiện những quyết định trong tương lai.” Với một cách tiếp cận ứng dụng hơn, Tiến
sĩ Fayyad đã phát biểu: “Khai phá dữ liệu, thường được xem là việc khám phá tri
thức trong các cơ sở dữ liệu, là một quá trình trích xuất những thông tin ẩn, trước

đây chưa biết và có khả năng hữu ích, dưới dạng các qui luật , ràng buộc, qui tắc
trong cơ sở dữ liệu.” Nói tóm lại, khai phá dữ liệu là một quá trình học tri thức mới
từ những dữ liệu đã thu thập được.
1.2. Quá trình phát hiện tri thức từ cơ sở dữ liệu
Quá trình phát hiện tri thức về nguyên lý trải qua 5 giai đoạn khác nhau và
được mô tả trong hình 1.1.
Mặc dù chia làm 5 giai đoạn như trên, song quá trình phát hiện tri thức từ cơ
sở dữ liệu là một quá trình tương tác và lặp đi lặp lại theo chu trình liên tục kiểu
xoáy trôn ốc, trong đó lần lặp sau hoàn chỉnh hơn lầp lặp trước. Ngoài ra, giai đoạn
sau lại dựa trên kết quả của giai đoạn trước theo kiểu thác nước. Đây là một quá
trình biện chứng mang tính chất học của lĩnh vực phát hiện tri thức và là phương
pháp luận trong việc xây dựng các hệ thống phát hiện tri thức. Sau đây sẽ trình bày
chi tiết các giai đoạn này.

8


5. Đưa kết quả vào thực tế
4. Minh hoạ và đánh giá tri
thức phát hiện được
3. Khai phá dữ liệu – trích
ra các mẫu/ mô hình
2. Thu thập và tiền xử lý
dữ liệu
1. Hiểu và xác định vấn đề
Hình 1.1: Quá trình phát hiện tri thức từ cơ sở dữ liệu.
1.2.1. Vấn đề phát hiện tri thức từ cơ sở dữ liệu
Đây là một quá trình mang tính định tính với mục đích xác định được lĩnh
vực yêu cầu phát hiện tri thức và xây dựng bài toán tổng kết. Trong thực tế, các cơ
sở dữ liệu được chuyên môn hoá và phân chia theo các lĩnh vực khác nhau như sản

phẩm, kinh doanh, tài chính… Với mỗi tri thức phát hiện được có thể có giá trị
trong lĩnh vực này nhưng lại không mang nhiều ý nghĩa đối với lĩnh vực khác. Vì
vậy việc xác định lĩnh vực và định nghĩa bài toán giúp định hướng cho giai đoạn
tiếp theo – giai đoạn thu thập và tiền xử lý dữ liệu
1.2.2. Thu thập và tiền xử lý dữ liệu
Các cơ sở dữ liệu thu được thường chứa rất nhiều thuộc tính, nhưng lại
không đầy đủ, không thuần nhất, có nhiều lỗi và các giá trị đặc biệt. Vì vậy giai
đoạn thu thập và tiền xử lý dữ liệu trở nên rất quan trọng trong quá trình phát hiện
tri thức từ cơ sở dữ liệu.
Người ta chia giai đoạn thu thập và tiền xử lý dữ liệu thành các công đoạn
như: lựa chọn dữ liệu, làm sạch, làm giàu , mã hoá dữ liệu. Các công đoạn được
thực hiện theo trình tự đưa ra được một cơ sở dữ liệu thích hợp cho các giai đoạn

9


sau. Tuy nhiên tuỳ từng dữ liệu cụ thể mà quá trình trên được điều chỉnh cho phù
hợp.
1.2.2.1. Chọn lọc dữ liệu
Đây là bước chọn lọc các loại dữ liệu có liên quan trong các nguồn dữ liệu
khác nhau. Các thông tin được chọn lọc sao cho có chứa nhiều thông tin liên quan
tới lĩnh vực cần phát hiện tri thức và đã xác định giai đoạn xác định vấn đề.
1.2.2.2 .Làm sạch dữ liệu
Dữ liệu thực tế đặc biệt là những dữ liệu lấy từ nhiều nguồn khác nhau
thường không đồng nhất. Do đó cần có biện pháp xử lý để đưa về một cơ sở dữ
liệu thống nhất phục vụ cho khai thác. Nhiệm vụ làm sạch dữ liệu thường bao gồm:
- Điều hoà dữ liệu: Công việc này nhằm giảm bớt tính không nhất quán do
dữ liệu lấy từ nhiều nguồn khác nhau. Phương pháp thông thường là khử các
trường hợp trùng lặp dữ liệu và thống nhất các ký hiệu. Chẳng hạn một khách hàng
có thể có nhiều bản ghi do việc nhập sai tên hoặc do quá trình thay đổi một số

thông tin cá nhân gây ra và tạo ra sự lầm tưởng có nhiều khách hàng khác nhau.
- Xử lý các giá trị khuyết: tính không đầy đủ của dữ liệu có thể gây ra hiện
tượng dữ liệu chứa các giá trị khuyết. Đây là hiện tượng khá phổ biến. Thông
thường người ta có thể lựa chọn các phương pháp khác nhau để thực hiện việc xử
lý các giá trị khuyết như: bỏ qua các bộ có giá trị khuyết, điểm bổ sung bằng tay,
dùng một hằng chung để điền vào giá trị khuyết, dùng giá trị trung bình của mọi
bản ghi trên thuộc tính khuyết, dùng giá trị trung bình của mọi bản ghi cùng lớp
hoặc dùng các giá trị mà tần suất xuất hiện lớn nhất.
- Xử lý nhiễu và các ngoại lệ: Thông thường, nhiễu dữ liệu có thể là nhiễu
ngẫu nhiên hoặc các giá trị bất thường. Để làm sạch nhiễu, người ta có thể sử dụng
phương pháp làm trơn nhiễu hoặc dùng các giải thuật phát hiện ra các ngoại lệ để
xử lý.
1.2.2.3. Làm giàu dữ liệu
10


Việc thu thập dữ liệu đôi khi không đảm bảo tính đầy đủ của dữ liệu. Một số
thông tin quan trọng có thể thiếu hoặc không đầy đủ. Chẳng hạn, dữ liệu về khách
hàng lấy từ một nguồn bên ngoài không có hoặc không đầy đủ thông tin về thu
nhập. Nếu thông tin về thu nhập là quan trọng trong quá trình khai phá dữ liệu để
phân tích hành vi khách hàng thì rõ ràng là ta không thể chấp nhận đưa các dữ liệu
thiếu khuyết vào được.
Quá trình làm giàu cũng bao gồm việc tích hợp và chuyển đổi dữ liệu. Các
dữ liệu từ nhiều nguồn khác nhau được tích hợp thành một kho thống nhất. Các
khuôn dạng khác nhau của dữ liệu cũng được quy đổi, tính toán lại để đưa về một
kiểu thống nhất, tiện cho quá trình phân tích. Đôi khi, một số thuộc tính mới có thể
được xây dụng dựa trên các thuộc tính cũ.
1.2.2.4. Mã hoá
Các phương pháp dùng để chọn lọc, làm sạch, làm giàu dữ liệu sẽ được mã
hoá dưới dạng các thủ tục, chương trình hay tiện ích nhằm tự động hoá việc kết

suất, biến đổi và di chuyển dữ liệu. Các hệ thống con đó có thể được thực thi định
kỳ làm tươi dữ liệu phục vụ cho việc phân tích.
1.2.3. Khai phá dữ liệu
Giai đoạn khai phá dữ liệu được bắt đầu sau khi dữ liệu đã được thu nhập và
tiến hành xử lý. Trong giai đoạn này công việc chủ yếu là xác định được bài toán
khai phá dữ liệu, tiến hành lựa chọn các phương pháp khai phá phù hợp với dữ liệu
có được và tách ra các tri thức cần thiết.
Thông thường, các bài toán khai phá dữ liệu bao gồm: các bài toán mang
tính chất mô tả - đưa ra những tính chất chung nhất của các dữ liệu, các bài toán
khai phá dự báo- bao gồm cả việc thực hiện các suy diễn trên dữ liệu có. Tuỳ theo
bài toán xác định được mà ta lựa chọn các phương pháp khai phá dữ liệu cho phù
hợp.
1.2.4. Minh hoạ và đánh giá
11


Các tri thức phát hiện từ cơ sở dữ liệu cần được tổng hợp dưới dạng các báo
cáo phục vụ cho các mục đích hỗ trợ quyết định khác nhau.
Do nhiều phương pháp khai phá có thể được áp dụng nên các kết quả có
mức độ tốt/ xấu khác nhau. Việc đánh giá các kết quả thu được là cần thiết, giúp
tạo cơ sở cho những quyết định chiến lược. Thông thường, chúng được tổng hợp,
so sánh bằng các biểu đồ và được kiểm nghiệm. Công việc này thường là của các
chuyên gia, các nhà phân tích và quyết định.
1.2.5. Đưa kết quả vào thực tế
Các kết quả của quá trình phát hiện tri thức có thể được đưa vào ứng dụng
trong những lĩnh vực khác nhau. Do các kết quả có thể là các dự báo hoặc các mô
tả nên chúng có thể được đưa vào các hệ thống hỗ trợ ra quyết định nhằm tự động
hoá quá trình này.
1.3. Nội dung của bài toán khai phá dữ liệu
Do phổ ứng dụng của lĩnh vực KDD là rất lớn, nhằm đáp ứng những đòi hỏi

trong nhiều lĩnh vực khác nhau nên việc phát hiện tri thức cũng trở nên đa dạng
hơn. Như đã đề cập, bước đầu tiên trong quá trình phát hiện tri thức là việc xác
định lĩnh vực ứng dụng và xác định loại kiến thức nào mà thuật toán phát hiện tri
thức cần phải kết xuất từ dữ liệu. Do vậy, việc phân loại, so sánh giữa các kiểu
nhiệm vụ phát hiện tri thức trong cơ sở dữ liệu là vấn đề đáng quan tâm nhằm tạo
ra một hệ thống phát hiện tri thức trong cơ sở dữ liệu. Sau đây sẽ lần lượt trình bày
các nội dung của khai phá dữ liệu.
1.3.1. Phát hiện các luật tối ưu truy vấn ngữ nghĩa
Các luật tối ưu truy vấn thông thường thực hiện một phép biến đổi cú pháp
hay sắp xếp lại thứ tự của các phép toán quan hệ trong một truy vấn và sản sinh ra
một truy vấn hiệu quả hơn dựa trên lý thuyết đại số quan hệ. Các luật được biến

12


đổi trả lại cùng một kết quả như câu truy vấn ban đầu, ở bất kỳ trạng thái nào của
cơ sở dữ liệu.
Ngược lại, việc tối ưu các truy vấn ngữ nghĩa biến đổi các câu truy vấn ban
đầu thành một truy vấn mới tối ưu hơn bằng cách thêm vào hoặc loại bỏ các mối
liên hệ hoặc bằng việc sử dụng tri thức cơ sở dữ liệu ngữ nghĩa (bao gồm các ràng
buộc về tính toàn vẹn và phụ thuộc hàm) để sản sinh ra câu truy vấn hiệu quả hơn.
Câu truy vấn mới này cũng trả về cùng một kết quả với câu truy vấn cũ ở bất kỳ
trạng thái nào của cơ sở dữ liệu thoả mãn kiến thức về ngữ nghĩa được sử dụng
trong phép biến đổi.
Các luật tối ưu truy vấn ngữ nghĩa được gọi là các luật SQO. Một nội dung
của khai phá dữ liệu là phát hiện ra các luật này. Các hệ thống phát hiện luật SQO
có thể được chia làm 3 lớp:
* Các hệ thống hướng truy vấn: trong đó thuật toán phát hiện tri thức trong cơ sở
dữ liệu nhằm phục vụ các truy vấn cơ sở dữ liệu thực của người dùng.
* Các hệ thống hướng dữ liệu: còn gọi là các hệ thống tác nghiệp trong đó các

thuật toán phát hiện tri thức trong cơ sở dữ liệu chủ yếu phục vụ sự phân bố dữ liệu
trong trạng thái hiện thời của cơ sở dữ liệu
* Các hệ thống lai: kết hợp các đặc tính của cả hệ thống hướng truy vấn và hệ
thống hướng dữ liệu.
Một đặc tính quan trọng của các luật SQO, khác với các kiểu phát hiện tri
thức khác, là việc chọn các thuộc tính để tổng hợp một SQO cần phải tính toán đến
chi phí liên quan như dùng phương pháp truy cập nào và sơ đồ chỉ số nào trong hệ
quản trị cơ sở dữ liệu. Việc này là cần thiết để tiết kiệm thời gian sử lý truy vấn.
Một thuật toán phát hiện tri thức trong cơ sở dữ liệu thuộc loại này đòi hỏi cần phải
xem xét tối ưu chi phí.
1.3.2. Phát hiện sự phụ thuộc cơ sở dữ liệu
13


Trong mô hình cơ sở dữ liệu quan hệ, chúng ta thường nghiên cứu các quan
hệ trong cơ sở dữ liệu với các ràng buộc và quan hệ giữa chúng mà không tính đến
quan hệ giữa các thuộc tính. Các quan hệ này thường được thể hiện thông qua các
phụ thuộc hàm và các ràng buộc tính toàn vẹn.
Phương pháp phát hiện tự động các sự phụ thuộc cơ sở dữ liệu này chính là
một nhiệm vụ của khai phá dữ liệu.
1.3.3. Phát hiện sự sai lệch
Nhiệm vụ này nhằm phát hiện sự sai lệch đáng kể giữa nội dung của một tập
con dữ liệu thực và nội dung mong đợi. Hai mô hình sai lệch hay được sử dụng là
mô hình sai lệch theo thời gian và mô hình sai lệch theo nhóm.
Sai lệch theo thời gian dùng để chỉ sự thay đổi có ý nghĩa của dữ liệu theo
thời gian. Sai lệch theo nhóm là sự khác nhau không mong muốn giữa dữ liệu
trong hai tập con, ở đây tính đến cả trường hợp tập con này thuộc trong tập con kia.
Điều đó có nghĩa là xác định xem dữ liệu trong một nhóm con của đối tượng có
khác đáng kể so với toàn bộ đối tượng không. Theo cách này, các sai sót dữ liệu
hay sự sai lệch so với giá trị thông thường được phát hiện.

1.3.4. Phát hiện luật kết hợp
Để hiểu về nội dung này, ta xét một ví dụ: Xét một tập các mặt hàng trong
một giỏ mua hàng. Vấn đề đặt ra là tìm ra những mối tương quan giữa các mặt
hàng trong giỏ.
Một cách chi tiết hơn, xét một tập các thuộc tính nhị phân với một tập các
bộ, mỗi bộ được gọi là một giỏ. Các thuộc tính nhị phân gọi là các mục hay các
mặt hàng trong giỏ mà mỗi mục chỉ nhận một trong hai giá trị đúng hoặc sai tùy
thuộc vào khác hàng có mua mặt hàng đó trong giao dịch hay không?. Trên thực tế
loại dữ liệu này rất phổ biến và được gọi là dữ liệu giỏ. Chúng thường được thu
thập thông qua công nghệ mã số, mã vạch trong các hoạt động kinh doanh siêu thị.

14


Một giao dịch có thể chứa một khoản mục, tập hợp tất cả các khoản mục sẽ
thuộc vào không gian T nào đó mà mỗi giao dịch khi đó là một tập con của T. Ta
cần phát hiện những mối tương quan quan trọng hoặc mối quan hệ, mối kết hợp
trong số các khoản mục chứa trong các giao dịch của một dữ liệu nào đó sao cho
sự xuất hiện của một số khoản mục nào đó trong một giao dịch sẽ kéo theo sự xuất
hiện của các khoản mục khác trong cùng một giao dịch đó.
Một luật kết hợp là một quan hệ có dạng x ⇒ y, x và y là tập các khoản mục
và x ∩ y = ∅. Mỗi luật kết hợp được đặc trưng bởi độ hỗ trợ (supp) và độ tin cậy
(conf). Supp được định nghĩa như là tỷ lệ số giỏ thỏa mãn các x và y trên toàn bộ
số giỏ. Như vậy supp(x ⇒ y) = P (x ∪ y). Conf được xác định như tỷ lệ số giỏ thỏa
mãn cả x và y trên toàn bộ số giỏ chỉ thỏa mãn x, tức là conf = |x ∪ y| / |x| hay conf
(x ⇒ y) = P(y/x). Một luật được gọi là mạnh nếu nó thỏa mãn ngưỡng hỗ trợ và
ngưỡng tin cậy tối thiểu.
1.3.5. Mô hình hoá sự phụ thuộc
Đây chính là việc phát hiện và mô hình hoá sự phụ thuộc trong số các thuộc
tính. Những sự phụ thuộc này thường được biểu diễn dưới dạng các luật “nếu thì”:

nếu tiền đề là đúng thì kết luận là đúng. Về nguyên tắc, cả tiền để và kết luận của
luật đều có thể là sự kết hợp lôgic của các giá trị thuộc tính. Trên thực thế, tiền đề
thường là một nhóm các giá trị thuộc tính và kết luận chỉ là một giá trị thuộc tính.
Cần lưu ý là những luật này không hoàn toàn giống với sự phụ thuộc cơ sở
dữ liệu. Hơn nữa, hệ thống có thể phát hiện các luật với phần kết luận nhiều thuộc
tính. Điều này khác với luật phân lớp trong đó tất cả các luật cần phải có cùng một
thuộc tính do người dùng chỉ ra trong kết luận.
Quan hệ phụ thuộc cũng có thể biểu diễn dưới dạng mạng Bayes. Đó là một
đồ thị có hướng, không chu trình. Các nút biểu diễn các thuộc tính và trọng số của
cung biểu diễn độ mạnh của sự phụ thuộc giữa các nút đó.
15


1.3.6. Phân nhóm
Một nhiệm vụ của các hệ thống phát hiện tri thức là phân tích các đối tượng
dữ liệu dạng các giỏ mua hàng mà không quan tâm tới lớp của chúng. Các hệ thống
này phải tự phát hiện ra các lớp và sinh ra một sơ đồ phân nhóm của tập dữ liệu đó.
Tuy nhiên chất lượng của việc phân nhóm này là một vấn đề khó có thể xác
định được. Bài toán phân nhóm xác định các nhóm dựa vào quan hệ nhiều - nhiều,
tức là bất kỳ thuộc tính nào cũng có thể được sử dụng để xác định các nhóm và để
dự báo các giá trị thuộc tính khác. Điều này trái với cách xác định nhiều - một liên
quan đến nhiệm vụ phân lớp các đối tượng, trong đó một thuộc tính được coi như
lớp và tất cả các thuộc tính khác được sử dụng để phán đoán giá trị cho thuộc tính
lớp.
1.3.7. Phân lớp
Trong nhiệm vụ phân lớp, mỗi bộ dữ liệu theo dạng giỏ mua hàng thuộc về
một lớp nào đó đã được xác định trước. Các bộ dữ liệu bao gồm tập các thuộc tính
dự báo và một thuộc tính phân lớp cụ thể. Lớp của bộ được chỉ ra bởi giá trị của
thuộc tính lớp mà người dùng xác định trước.
Để hiểu rõ hơn về nhiệm vụ này, ta xét một ví dụ. Chẳng hạn, mỗi bộ dữ liệu

biểu diễn các thông tin về nhân viên, trong đó các thuộc tính dự báo là tuổi, giới
tính, trình độ học vấn . . . của nhân viên đó và thuộc tính phân lớp là trình độ lãnh
đạo của nhân viên. Mục tiêu của thuật toán phân lớp là tìm ra mối quan hệ nào đó
giữa các thuộc tính dự báo và thuộc tính phân lớp, từ đó sử dụng mối quan hệ này
để dự báo lớp cho các bộ dữ liệu mới khác cùng khuôn dạng.
Trong trường hợp những kiến thức được phát hiện biểu diễn dưới dạng các
luật thì khuôn dạng của các luật có thể là: “nếu các thuộc tính dự báo của một bộ
dữ liệu thoả mãn các điều kiện của tiền đề thì bộ dữ liệu đó có lớp chỉ ra trong kết
luận”
1.3.8. Tổng hợp
16


Nhiệm vụ tổng hợp chính là việc sản sinh ra các mô tả đặc trưng cho một
lớp. Các mô tả này là một kiểu tổng hợp, tóm tắt mô tả các đặc tính chung của tất
cả (hoặc hầu hết) các bộ dữ liệu dạng giỏ mua hàng thuộc một lớp.
Các mô tả đặc trưng thể hiện dưới dạng các luật thường có khuôn dạng: “nếu
một bộ dữ liệu thuộc về một lớp đã chỉ ra trong tiền đề, thì bộ dữ liệu đó có tất cả
các thuộc tính đã nêu trong kết luận”. Cần lưu ý là các luật này có những đặc trưng
khác biệt so với các luật phân lớp. Luật phát hiện đặc trưng cho một lớp chỉ được
sản sinh khi các bộ dữ liệu đã thuộc về lớp đó.
1.4. Các kỹ thuật khai phá dữ liệu
Vì tri thức có nhiều dạng thể hiện khác nhau nên có nhiều kỹ thuật phương
pháp được sử dụng để phát hiện tri thức. Tuy nhiên chúng ta sẽ quan tâm đến các
kỹ thuật sau:
Các công cụ truy vấn, các kỹ thuật thống kê, hiển thị
Công cụ phân tích trực tuyến (OLAP)
Học dựa trên trường hợp (k láng giềng gần nhất)
K trung bình
Cây quyết định

Luật kết hợp
1.4.1. Các công cụ truy vấn, các kỹ thuật thống kê hiển thị
Hiện nay, phần lớn các hệ thống cơ sở dữ liệu điều hành, cơ sở dữ liệu báo
cáo và kho dữ liệu vẫn dùng chủ yếu các công cụ truy vấn SQL cho việc khai phá
dữ liệu đầu ra. Với các công cụ truy vấn này, người dùng sẽ đạt được các thông tin
chính xác. Với một số công cụ phân tích SQL tốt, người lãnh đạo nhà phân tích,
người quản lý có thể kết xuất dữ liệu ra một cách tuỳ biến đáp ứng yêu cầu hỗ trợ
quyết định đến khoảng 80%. Phần còn lại ước tính khoảng 20% là các thông tin
tiềm ẩn đòi hỏi phải có kỹ thuật cao hơn và thường dùng cho các tổ chức lớn, có
17


kho dữ liệu lớn. 20% thông tin này có thể là những thông tin vô cùng quan trọng
quyết định sự thành công trong môi trường cạnh tranh.
Chúng ta sẽ sử dụng một ví dụ minh hoạ trong cả chương để biểu diễn quá
trình phát hiện tri thức trong cơ sở dữ liệu. Một nhà sách có cơ sở dữ liệu về các
khách hàng mua sách theo các chủ đề về sách thiếu nhi, thể thao, âm nhạc và sách
kỹ thuật. Mục tiêu của quá trình khai phá dữ liệu là tìm ra các nhóm khách hàng có
đặc tính chung để thực hiện các hoạt động tiếp thị. Do đó, chúng ta quan tâm đến
các câu hỏi đại loại như: “Hồ sơ điển hình của một tác giả về sách thiếu nhi là gì?”
hoặc “Có mối tương quan nào giữa sự quan tâm đến sách thiếu nhi và sách kỹ
thuật?”.
Khi đó các số liệu đưa ra có thể là tuổi trung bình của khác hàng là 46, thu
nhập trung bình là 700.000 đồng, và thú vị hơn khi ta thấy trong số 400 người mua
sách thiếu nhi có rất ít người (khoảng 30) mua sách kỹ thuật. Những con số thống
kê này rất quan trọng vì chúng đưa ra một chuẩn để phán xét hiệu quả của các thuật
toán học và nhận dạng. Chúng ta cũng thấy qua con số thống kê tuổi của những
người mua sách thiếu nhi là rất thấp và người mua hai loại sách ta cũng thấy nhiều
thông tin quan trọng. Nếu tìm hiểu sâu hơn về khả năng mua sách theo độ tuổi
chúng ta cũng sẽ thấy một bức tranh khác về khách hàng.

Tuy nhiên, sự khác biệt thú vị xảy ra khi thống kê theo nhóm con. Các khách
hàng mua sách thiếu nhi thường tập trung ở độ tuổi 30, những khách hàng mua
sách thể thao thì trải rộng qua nhiều độ tuổi khách nhau.
Rõ ràng công cụ SQL có thể thu nhập được các thông tin chi tiết dựa trên
cấu trúc của dữ liệu và những thông tin này có thể rất hữu ích cho các mục đích hỗ
trợ quyết định.
1.4.2. Các công cụ truy vấn trực tiếp
Như đã biết, công nghệ cơ sở dữ liệu hiện nay chủ yếu dựa theo mô hình
quan hệ . Trong mô hình quan hệ, dữ liệu được biểu diễn dưới dạng các bảng có
18


quan hệ với nhau. Do vậy, dữ liệu thường là 2 chiều. Các câu hỏi dựa trên các bảng
hai chiều tường là tương đối đơn giản và không cho phép đạt được các thông tin có
giá trị và với yêu cầu phức tạp. Việc phân tích dữ liệu nhiều khi cần đặt ra những
câu hỏi phức tạp hơn gồm nhiều ràng buộc, chẳng hạn : “Số sách thiếu nhi bán
được trong 3 tháng ở khu vực Đông Anh cho những người có độ tuổi từ 20 – 30 là
bao nhiêu ?”. Những câu hỏi như vậy được coi là những câu truy vấn nhiều chiều.
Chúng rất hữu ích cho các quyết định mang tính chiến lược song lại không dễ dàng
có được câu trả lời trên những bảng dữ liệu hai chiều.
Các công cụ phân tích trực tuyến được phát triển để giải quyết vấn đề này
dựa trên mô hình dữ liệu đa chiều. Một cách tổng quát, công cụ phân tích trực
tuyến đa chiều (MOLAP) lưu dữ liệu dưới khuôn dạng các khối đa chiều sẵn sàng
cho khai phá trực tiếp. Ngoài ra, các công cụ phân tích trực tuyến đa chiều kiểu
quan hệ (ROLAP) bao gồm một cơ cấu đa chiều cho phép kết nối đến dữ liệu thực
sự lưu dưới dạng mô hình quan hệ. Mô hình này cho phép lưu dữ liệu theo dạng
hai chiều song lại phân tích theo kiểu đa chiều.
Điểm khác biệt giữa các công cụ phân tích trực tuyến và khai phá dữ liệu là
các công cụ phân tích trực tuyến không học. Điều đó có nghĩa là chúng không tạo
ra tri thức mới và chỉ thể hiện và tổng hợp các dữ liệu chính xác ở nhiều nơi ở

nhiều giác độ khác nhau. Mặt khác các luật khai phá dữ liệu thông minh hơn và
chúng không cần một dạng lưu trữ đặc biệt nào mà thường dựa ngay vào các cơ sở
dữ liệu quan hệ
1.4.3. K láng giềng gần nhất
Khi dữ liệu được biểu diễn dưới dạng các phần tử trong không gian nhiều thì
sẽ hình thành nên khái niệm láng giềng
Giả sử chúng ta muốn dự báo hành vi của một tập khách hàng với một cơ sở
dữ liệu mô tả về khách hàng đó. Một giả định quan trọng đòi hỏi đặt ra là khách
hàng cùng một kiểu sẽ có cùng một hoạt động. Trong không gian dữ liệu một kiểu
19


khách hàng không hơn là một vùng dữ liệu mà các bộ có cùng kiểu. Nói khác đi,
các bộ có cùng kiểu sẽ phân bố gần nhau và chúng sẽ là “láng giềng” của nhau.
Dựa trên ý tưởng này chúng ta có thể phát triển một thuật toán rất đơn giản nhưng
hiệu quả “ k láng giềng gần nhất”. Phương châm của phương pháp k láng giền gần
nhất là “làm như láng giềng làm”. Nếu như chúng ta muốn dự báo hành vi của một
cá nhân nào đó, chúng ta bắt đầu bằng cách nhìn vào các hành vi chẳng hạn 10 cá
nhân gần nhất với anh ta. Và giá trị trung bình của các hành vi của các láng giềng
này sẽ dự báo cho hành vi của anh ta. Số k trong phương pháp k láng giềng nhất
dùng để chỉ số láng giềng được xem xét.
Phương pháp k láng giềng gần nhất đơn giản nhưng chưa phải là một kỹ
thuật học mà gần như một phương pháp tìm kiếm. Nếu ta muốn phương pháp này
dự báo hành vi cho từng phần tử trong một tập thể dữ liệu có n bộ thì ta phải so
sánh từng bộ phận với tất cả các bộ còn lại và như vậy, độ phức tạp sẽ là O(n+).
Điều đó có nghĩa là không thể áp dụng phương pháp này cho dữ liệu lớn.
Một số vấn đề của phương pháp k láng giềng gần nhất là độ đo tức là xác
định khoảng cách của hai phần tử trong không gian. Do các thuộc tính có nhiều
khuôn dạng dữ liệu khác nhau, có thể là các giá trị liên tục rời rạc hoặc mờ nên
việc tìm một độ đo hiệu quả là rất khó. Các thuộc tính quan trọng có thể là có một

trọng số cao hơn trong công thức tính toán.
Việc áp dụng thuật toán k láng giềng gần nhất chỉ là dự báo hiệu quả trong
một số trường hợp nhất định. Chẳng hạn với tập dữ liệu phân bố tương đối đều
trong cả không gian, k láng giềng gần nhất sẽ không tìm ra được các thông tin
nhiều ý nghĩa. Nhưng nếu trong một không gian khách hàng có thu nhập khác
nhau luôn, chắc chắn hành vi mua sắm cũng khác nhau và như vậy phương pháp k
láng giềng gần nhất có thể hữu ích.
1.4.4. K – trung bình

20


Giải thuật k trung bình phần lớn được sử dụng trong các kỹ thuật phân nhóm
và đặc biệt với các thuộc tính dữ liệu kiểu số. Giả sử cho trước một tập các đối
tượng dạng số x và một số nguyên k (<= n) giải thuật k trung bình sẽ tìm ra một
cách phân chia x thành các cụm (nhóm) sao cho cực tiểu hoá tổng sai phương trong
các nhóm.
Quá trình này thường được lặp đi lặp lại nhằm tìm ra một cách phân chia tối
ưu theo nghĩa các phần tử trong một nhóm thì gần nhau hơn các phần tử khác
nhóm.
Phương pháp k trung bình có môt số điểm khác so với các phương pháp
khác ở chỗ lựa chọn các tâm ban đầu ngẫu nhiên. Sau đó đo không tương tự
(Dissimilarity) được tính toán để định hướng cho việc tính k trung bình các nhóm.
Biến thể phức tạp của giải thuật k trung bình bao gồm giải thuật nổi tiếng
ISODATA và giải thuật k trung bình mờ. Một điều khó trong việc sử dụng giải
thuật k trung bình là sao cho số các cụm phải được chỉ ra một cách tối ưu. Một
biến thể khác nữa giống như ISODATA lại bao gồm cả các thủ tục để tìm ra số k
tối ưu nhất trong những dữ liệu cụ thể.
1.4.5. Cây quyết định
Để làm rõ kỹ thuật này ta xét lại ví dụ đã nêu ở phần trước. Xét cơ sở dữ liệu

về những khách hàng mua sách. Thông tin về khách hàng bao gồm tuổi, thu nhập
nghề nghiệp… ta cần dự báo một kiểu khách hàng khi ta đã có các thuộc tính đã
biết của họ và dùng làm căn cứ đoán nhận. Chẳng hạn ta cần dự báo ai sẽ mua sách
thiếu nhi. Các thuộc tính liên quan có thể quan trọng hơn nghĩa là nếu dựa vào tuổi
của một số người có thể dự báo được người đó có mua sách thiếu nhi hay không.
Hơn nữa chúng ta cũng cần phải nghiên cứu xem có tồn tại một ngưỡng của thuộc
tính tuổi hay không để có thể tách biệt những người mua sách thiếu nhi và những
người không quan tâm. Theo cách này chúng ta có thể bắt đầu với thuộc tính đầu
tiên, tìm ra một ngưỡng nào đó, rồi chuyển sang thuộc tính tiếp theo, lại tìm một
21


ngưỡng nào đó và lắp lại quá trình này cho tới khi có sự phân lớp đúng đắn và cuối
cùng là tạo ra cây quyết định. Để tạo cây quyết định có nhiều thuật toán khác nhau.
Cây quyết định là một cấu trúc giống như một lưu đồ mà mỗi nút trong của
cây biểu diễn một trường hợp thử hoặc một phép kiểm tra trên một thuộc tính. Mỗi
một phân nhánh của một nút biểu diễn một khả năng giá trị (miền giá trị) của phép
thử. Các giá trị này nằm về một phía so với ngưỡng tương ứng của nút. Các nút lá
biểu diễn các lớp hoặc phân bố lớp. Nút trên cùng trong cây gọi là nút gốc.
Để xây dựng cây quyết định có nhiều cách song tựu trung ta có một khung
chung cho quá trình này như sau:
- Lựa chọn thuộc tính “tốt nhất” nhờ một độ đo lựa chọn ( thường là Entropy
)
- Mở rộng cây bằng cách thêm vào các nhánh mới với từng giá trị thuộc tính
- Sắp xếp các mẫu huấn luyện cho các nút lá
- Kiểm tra: nếu mẫu huấn luyện đã được phân loại thì dừng, ngược lại thì lặp
lại quá trình trên cho mỗi nút lá
- Tỉa bớt những nút lá không ổn định
1.4.6. Luật kết hợp
Data Mining là rút trích dữ liệu theo yêu cầu của bài toán hay nói cách khác là trích

ra các mẫu hoặc các mô hình ẩn dưới các dữ liệu. Nó bao gồm chọn nhiệm vụ khai
phá dữ liệu , chọn thuật toán khai phá dữ liệu thích hợp để tìm các mẫu hoặc mô
hình về tri thức, đánh giá hoặc giải thích, thử lại các mẫu đã được khai phá trước
khi đưa tri thức khai phá được vào sử dụng. Các mẫu sử dụng ở đây là các mẫu
thường xuyên. Các mẫu thường xuyên là các mẫu bao gồm tập các mục (Item), các
chuỗi con tuần tự và các cấu trúc con xuất hiện trong tập dữ liệu một cách thường
xuyên.
Việc tìm kiếm các mẫu thường xuyên như vậy đóng vai trò cần thiết trong khai phá
các mối kết hợp, khai phá các tương quan, và các mối quan hệ khác trong dữ liệu.
22