Classe de données parent

La classe de données parent est utilisée pour organiser la classe de données dans les relations parent/enfants. Il agit également comme une sorte de " préfiltre " si une méthode de couplage automatique de données est utilisée : si une classe de données parent possède une méthode de données correspondante, les méthodes de correspondance des données pour les classes de données enfant ne seront évaluées que si la méthode correspondante pour la classe de données parent a renvoyé une correspondance positive. Cela signifie que si vous définissez une classe de données parent, celle-ci a un impact sur les critères utilisés par le processus de classification des données pour déterminer si la classe de données doit être affectée ou non à une zone de données analysée.

Seuil

Cette zone représente la confiance minimale qu'un candidat de classe de données doit avoir sur une colonne de sorte que cette classe de données soit effectivement affectée à la colonne. Par exemple, vous définissez 90 % comme seuil d'une classe. Au cours de l'analyse, la mise en correspondance d'une colonne avec la classe de données est établie avec un niveau de fiabilité de 95 %, et la mise en correspondance d'une autre colonne est établie avec un niveau de fiabilité de 89 %. Le seuil étant de 90 %, la classe de données ne sera affectée qu'à la première colonne.

Abaissez le seuil lorsque vous souhaitez que l'affectation de la classe de données se produise, même si toutes les données ne correspondent pas à la classe de données. Vous pouvez le faire si la qualité des données n'est pas parfaite, et aussi dans les cas où vous savez que la définition de méthode correspondante ne couvre pas 100 % du domaine complet de toutes les valeurs possibles. Un bon exemple est un discriminant utilisé pour détecter des noms de ville. Il n'est pas pratique de définir une liste précise de valeurs contenant tous les noms de ville du monde entier, y compris les noms des plus petites villes. Une approche plus pratique serait d'entrer dans la liste des 100 plus grandes villes et de réduire le seuil pour refléter le fait que vous ne vous attendez pas à ce que toutes les valeurs d'une colonne soient l'une de ces 100 plus grandes villes, mais qu'une classification devrait être positive même si suffisamment de valeurs (< 100 %) se trouvent dans cette liste des 100 plus grandes villes.

La définition d'un seuil est facultative. Pour l'enrichissement des métadonnées, le seuil défini au niveau du projet est utilisé si vous ne définissez pas de seuil directement sur la classe de données. Un seuil défini sur la classe de données est toujours prioritaire sur le paramètre de projet. Voir Paramètres d'affectation de classe de données.

Les classes de données prédéfinies suivantes ont un seuil par défaut défini dans la définition de la classe de données:

Priorité

La priorité de la classe de données détermine l'ordre dans lequel les classes de données candidates doivent devenir la classe de données induite. Seules les classes de données ayant une confiance supérieure au seuil de confiance seront affectées. Lorsque les données correspondent à plusieurs classes de données, celles qui ont la priorité la plus élevée et une confiance supérieure au seuil de confiance seront affectées.

Certaines classes de données prédéfinies ont une priorité définie. Sinon, la priorité par défaut est 10 pour les classes de données prédéfinies avec la portée correspondante valeur. Pour les classes de données avec la portée correspondante colonne, la priorité par défaut est 0. Pour qu'une classe de données personnalisée soit prioritaire sur une classe de données prédéfinie, elle doit être définie avec une priorité plus élevée.

Mise en correspondance avec une liste de valeurs valides

Lorsque vous mettez en correspondance des données avec une liste de valeurs valides, vous créez une liste de valeurs valides qui classifient vos données au niveau des valeurs d'une colonne de base de données. Vous devez fournir les valeurs une par une manuellement ; par conséquent, cette méthode est recommandée pour un petit ensemble de valeurs. Pour les listes plus longues, vous pouvez utiliser la méthode Match to reference data .

Dans la section Correspondance avec la liste des valeurs valides, indiquez une liste de valeurs valides.

Critères de correspondance de texte :

Sensible à la casse

Si vous sélectionnez cette option, seules les valeurs ayant la même casse que les valeurs valides spécifiées sont classifiées comme correspondant à la classe de données. Sinon, la casse est ignorée.

Espacement exact

Si vous sélectionnez cette option, seules les correspondances exactes sont classées de manière positive. Sinon, plusieurs espaces sont réduits en un seule espace avant la comparaison des valeurs valides avec les valeurs testées. Par exemple, si la valeur valide est New York et que la valeur testée est New York, la valeur testée est classée comme correspondante, même si la valeur valide contient plusieurs espaces (par exemple, New York). Toutefois, si la valeur testée est NewYork sans espace, elle est classifiée comme non correspondante.

Mots entiers

Si vous sélectionnez cette option, seules les correspondances exactes sont classées de manière positive. Sinon, les valeurs trouvées en tant que sous-chaînes sont également classifiées comme correspondant à la classe de données. Par exemple, si la valeur valide est Paris et que la valeur testée est Parisienne moonlight, la valeur testée est classifiée comme correspondante.

Indiquez ensuite le pourcentage de valeurs de données correspondantes requis pour affecter cette classe de données.

Mise en correspondance avec des données de référence

Lorsque vous correspondez des données à un jeu de données de référence, vous sélectionnez un ensemble de données de référence pour classer vos données au niveau des valeurs d'une colonne de base de données. Un jeu de données de référence comprend au minimum les colonnes suivantes:

• Coder
• Valeur

Notez que cette méthode de correspondance utilise la colonne de code du jeu de données de référence pour déterminer la classe de données.

Exemple de fichier CSV avec un exemple de codes pays:

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

Les codes de cet exemple, tels que AND, ARE, AFG, peuvent être utilisés pour déterminer la classe de données.

Mise en correspondance avec des critères dans une expression régulière

Une expression régulière est utilisée pour déterminer si chaque valeur d'une colonne de base de données appartient à la classe de données.

Lorsque vous effectuez une mise en correspondance avec des critères dans une expression régulière, vous créez une expression régulière qui classifie vos données au niveau des valeurs d'une colonne de base de données. L'expression régulière doit utiliser le format JavaScript.

L'expression régulière s'applique aux actifs de données dont la structure est claire, par exemple les bases de données, les tables ou les colonnes.

Vous pouvez copier et coller l'un des exemples suivants pour les expressions régulières dans les critères de nom de colonne. Indiquez ensuite un nom de colonne pour tester l'expression régulière. Vous pouvez également sélectionner le type de données et la longueur de la valeur de données.

[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>

Autres critères de mise en correspondance

La mise en correspondance est basée sur des critères relatifs au nom et / ou au type de données de la colonne. Il n'existe pas de critères supplémentaires pour évaluer les valeurs de la colonne. Ce critère est appliqué en plus de la méthode de correspondance initialement sélectionnée.

Vous pouvez spécifier une expression régulière pour définir des noms de colonne correspondants et fournir un exemple de nom de colonne à des fins de test. Les données de colonne peuvent être de n'importe quel type, Booléen, Date ou Nombre. Vous pouvez également définir la longueur minimale et la longueur maximale de la valeur de données.

^Order$

En savoir plus

• Détails des classes de données prédéfinies
• Profils d'actifs
• Création d'un enrichissement de métadonnées
• Dépôt GitHub des échantillons duIBM Knowledge Catalog

Rubrique parent : Classes de données