Nadřízená datová třída

Nadřízená datová třída se používá k uspořádání datové třídy ve vztazích nadřízených/podřízených prvků. Funguje také jako druh "předfiltru", pokud je použita metoda automatického porovnávání dat: Pokud má nadřízená datová třída odpovídající datovou metodu, budou metody porovnávání dat pro podřízené datové třídy vyhodnoceny pouze v případě, že metoda porovnávání dat pro nadřízenou datovou třídu vrátila kladnou shodu. To znamená, že pokud definujete nadřízenou datovou třídu, má to dopad na kritéria používaná procesem klasifikace dat, aby se rozhodlo, zda má být datová třída přiřazena k analyzovaným datovým polím.

Prahová hodnota

Toto pole představuje minimální důvěryhodnost, kterou by měl mít kandidát na datovou třídu ve sloupci, aby byla datová třída skutečně přiřazena ke sloupci. Například: Definujete prahovou hodnotu třídy na 90%. Během analýzy odpovídá jeden sloupec datové třídě s spolehlivostí 95% a další sloupec s spolehlivostí 89%. Protože prahová hodnota je 90%, datová třída bude přiřazena pouze k prvnímu sloupci.

Snižte prahovou hodnotu, když chcete, aby došlo k přiřazení datové třídy, i když se neshodují všechna data s datovou třídou. Můžete to udělat, pokud kvalita dat není dokonalá, a také v případech, kdy víte, že odpovídající definice metody nepokrývá 100% celé domény všech možných hodnot. Dobrým příkladem je klasifikátor pro zjišťování názvů měst. Není praktické definovat přesný seznam hodnot, které obsahují všechny názvy měst na světě, včetně nejmenších míst. Praktičtějším přístupem by bylo zadat seznam 100 největších měst a snížit prahovou hodnotu, aby odrážela skutečnost, že neočekáváte, že všechny hodnoty sloupce budou jedním z těchto 100 největších měst, ale že klasifikace by měla být pozitivní, i když se v tomto seznamu 100 největších měst najde dostatek hodnot (< 100%).

Nastavení prahové hodnoty je volitelné. Pro obohacení metadat se použije prahová hodnota definovaná na úrovni projektu, pokud nenastavíte prahovou hodnotu přímo na datové třídě. Prahová hodnota nastavená na datové třídě má vždy přednost před nastavením projektu. Viz Nastavení přiřazení datové třídy.

Následující předdefinované třídy dat mají v definici datové třídy nastavenou výchozí prahovou hodnotu:

Priorita

Priorita datové třídy určuje pořadí, ve kterém by se kandidátské datové třídy měly stát odvozenou datovou třídou. Budou přiřazeny pouze třídy dat s hodnověrností nad prahovou hodnotou hodnověrnosti. Když se data shodují s více třídami dat, přiřadí se ta s nejvyšší prioritou a hodnověrností nad prahovou hodnotou hodnověrnosti.

Některé předdefinované třídy dat mají nastavenou prioritu. Jinak je výchozí priorita 10 pro předdefinované třídy dat s odpovídajícím rozsahem hodnota. Pro třídy dat s odpovídajícím rozsahem sloupecje výchozí priorita 0. Má-li mít vlastní datová třída přednost před předdefinovanou datovou třídou, musí být definována s vyšší prioritou.

Shoda se seznamem platných hodnot

Když porovnáváte data se seznamem platných hodnot, vytvoříte seznam platných hodnot, které klasifikují vaše data na úrovni hodnot sloupce databáze. Hodnoty musíte zadat jeden po druhém ručně, takže se tato metoda doporučuje pro malou sadu hodnot. U delších seznamů můžete použít metodu Shoda s referenčními daty .

V sekci Shoda se seznamem platných hodnot zadejte seznam platných hodnot.

Kritéria pro shodu textu:

Rozlišovat malá a velká písmena

Vyberete-li tuto volbu, budou jako odpovídající datové třídě klasifikovány pouze hodnoty, které mají stejnou velikost písmen jako zadané platné hodnoty. Není-li tato volba vybrána, bude velikost písmen ignorována.

Přesné mezery

Vyberete-li tuto volbu, budou kladně klasifikovány pouze přesné shody. Není-li tato volba vybrána, je před porovnáním platných hodnot s testovanými hodnotami sbaleno více mezer do jedné mezery. Pokud je například platná hodnota New Yorka testovaná hodnota je New York, testovaná hodnota je klasifikována jako vyhovující, i když je v platné hodnotě více prázdných znaků, například New York. Pokud je testovaná hodnota NewYork bez mezery, testovaná hodnota je klasifikována jako neodpovídající .

Celá slova

Vyberete-li tuto volbu, budou kladně klasifikovány pouze přesné shody. Není-li tato volba vybrána, hodnoty nalezené jako podřetězec jsou také klasifikovány jako odpovídající datové třídě. Pokud je například platná hodnota Parisa testovaná hodnota je Parisienne moonlight, testovaná hodnota je klasifikována jako vyhovující.

Poté zadejte procentní část odpovídajících datových hodnot požadovaných pro přiřazení této datové třídy.

Shoda s referenčními daty

Když porovnáváte data s referenční datovou sadou, vyberete referenční datovou sadu pro klasifikaci dat na úrovni hodnot sloupce databáze. Referenční datová sada se skládá minimálně z následujících sloupců:

• Kód
• Hodnota

Všimněte si, že tato odpovídající metoda používá sloupec kódu v referenční datové sadě k určení datové třídy.

Příklad souboru CSV s ukázkou kódů zemí:

code,value
"AND","Andorra"
"ARE","United Arab Emirates"
"AFG","Afghanistan"
"ATG","Antigua And Barbuda"
"AIA","Anguilla"
"ALB","Albania"
"ARM","Armenia"
...

Kódy v tomto příkladu, jako např. AND, ARE, AFG, lze použít k určení datové třídy.

Shoda s kritérii v regulárním výrazu

Regulární výraz se používá k určení, zda každá hodnota sloupce databáze patří do datové třídy.

Když odpovíte na kritéria v regulárním výrazu, vytvoříte regulární výraz, který klasifikuje vaše data na úrovni hodnot sloupce databáze. Regulární výraz musí používat formát JavaScript .

Regulární výraz platí pro datová aktiva s jasnou strukturou, například pro databáze, tabulky nebo sloupce.

Do pole Kritéria názvu sloupcemůžete zkopírovat a vložit libovolný z následujících příkladů pro regulární výrazy. Poté zadejte název sloupce pro testování regulárního výrazu. Můžete také vybrat datový typ a délku datové hodnoty.

[0-9]{3}-[0-9]{2}-[0-9]{4}

\(?[0-9]{3}\)?[-. ]?[0-9]{3}[-. ]?[0-9]{4}

<tns:DataClass id="DOB" name="%DOB.name" description="%DOB.description" provider="IBM" example="12-30-2015">
            <tns:JavaClassifier
                className="com.ibm.infosphere.classification.impl.DOBClassifier" />:
<tns:ColumnNameFilter>
                <tns:ColumnNameRegularExpression><![CDATA[dob$|birth(day)?|geburtsdatum|na(issance|cimiento|scita)|urodzenia|(生ま(れた日)?|誕生日)|出生(年月)?]]></tns:ColumnNameRegularExpression>
            </tns:ColumnNameFilter>
</tns:DataClass>

Další kritéria shody

Shoda je založena na kritériích týkajících se názvu, datového typu sloupce nebo obojího. Neexistují žádná další kritéria pro vyhodnocení hodnot sloupce. Tato kritéria se použijí nad původně vybranou porovnávací metodou.

Můžete zadat regulární výraz pro definování odpovídajících názvů sloupců a poskytnout ukázkový název sloupce pro test. Datový typ sloupce může mít libovolný typ, logickou hodnotu, datum nebo číslo. Můžete také definovat minimální a maximální délku datové hodnoty.

^Order$

Další informace

• Podrobnosti předdefinovaných datových tříd
• Profily aktiv

Nadřízené téma: Datové třídy