Daten Aggregation - Dummies

Daten zusammenfassen, Gesamtsummen ermitteln und Durchschnittswerte und andere beschreibende Maßnahmen berechnen ist Ihnen wahrscheinlich nicht neu… Wenn Sie Ihre Zusammenfassungen in Form von neuen Daten anstelle von Berichten benötigen, wird der Prozess Aggregation genannt. Aggregierte Daten können zur Grundlage für zusätzliche Berechnungen werden, die mit anderen Datensätzen zusammengeführt werden und auf andere Weise verwendet werden, so dass andere Daten verwendet werden.

Hier ist ein Beispiel für einen Datenaggregationsprozess. Ein Datensatz enthält allgemeine Informationen zu mehr als 160.000 Grundstückspaketen. Diese Daten umfassen eine Vielzahl von Landnutzungen. Was wäre, wenn Sie den durchschnittlichen Schätzwert für das Land in jeder Landnutzungskategorie sehen möchten? So würden Sie es machen.

Sie finden das Datenaggregationstool in Ihrer Data-Mining-Anwendung. Sie können die Suche verwenden, um es zu finden.

Sie fügen das Tool zu einem Prozess hinzu und verbinden es mit einem Quell-Dataset.

Im Datenaggregationstool würden Sie eine Gruppierungsvariable auswählen. In diesem Fall ist es die Landnutzungsvariable C_A_CLASS.

Dann definieren Sie die gewünschten Zusammenfassungen. Um einen durchschnittlichen Schätzwert des Landes zu erhalten, wählen Sie die Variable mit den Bewertungen aus, die zusammengefasst werden sollen, und wählen Sie die Durchschnittsfunktion aus.

Wenn die Aggregation ausgeführt wird, ist das Ergebnis ein neuer Datensatz mit einer Zeile für jede Landnutzungsart und einer neuen Variablen für die berechneten Durchschnitte.

Früher oder später müssen Sie einen ganzen Datensatz zusammenfassen. Wenn Sie jedoch alle Daten in einem Dataset summieren oder mitteln möchten, können Sie auf ein Problem stoßen: Was ist Ihre Gruppierungsvariable? Der Trick besteht darin, eine Variable mit einem konstanten Wert für den gesamten Datensatz zu verwenden. Erstellen Sie also eine Variable, bei der jeder Wert derselbe ist, und verwenden Sie ihn dann als Ihre Gruppenvariable.