Classe dati principale

La classe dati principale viene utilizzata per organizzare la classe dati nei rapporti padre / figli. Inoltre si comporta come una sorta di "pre - filtro" se si utilizza un metodo di dati di matching automatico: se una classe dati principale ha un metodo dati corrispondente, i metodi di matching dei dati per le classi di dati per bambini verranno valutati solo se il metodo di matching dei dati per la classe dati principale ha restituito un riscontro positivo. Ciò significa che se si definisce una classe dati principale ha un impatto sui criteri utilizzati dal processo di classificazione dei dati per decidere se la classe dati deve essere assegnata o meno ad un campo dati analizzato.

Soglia

Questo campo rappresenta la minima confidenza che un candidato di classe dati dovrebbe avere su una colonna in modo che tale classe dati venga effettivamente assegnata alla colonna. Ad esempio: si definisce la soglia di una classe da 90%. Durante l'analisi una colonna corrisponde alla classe dati con una confidenza di 95%, e un'altra colonna corrisponde con una confidenza di 89%. Poiché la soglia è di 90%, la classe dati verrà assegnata solo alla prima colonna.

Abbassare la soglia quando si desidera che l'assegnazione della classe dati avvenga anche se non tutti i dati corrispondono alla classe dati. Si può fare se la qualità dei dati non è perfetta, e anche nei casi in cui si sa che la definizione del metodo corrispondente non copre il 100% di tutto il dominio di tutti i valori possibili. Un buon esempio è un classificatore per rilevare i nomi della città. Non è pratico definire un elenco accurato di valori contenenti tutti i nomi della città nel mondo, comprese le località più piccole. Un approccio più pratico sarebbe quello di entrare nella lista delle 100 città più grandi e diminuire la soglia per riflettere il fatto che non ti aspetti che tutti i valori di una colonna siano una di queste 100 città più grandi, ma che una classificazione debba essere positiva anche se valori sufficienti (< 100%) si trovano in quella lista delle 100 città più grandi.

Impostare una soglia è facoltativa. Per l'arricchimento dei metadati, la soglia definita a livello di progetto viene utilizzata se non si imposta direttamente una soglia sulla classe dati. Una soglia impostata sulla classe di dati ha sempre la precedenza sull'impostazione del progetto. Consultare Impostazioni di assegnazione della classe dati.

Le seguenti classi di dati predefinite hanno una soglia predefinita impostata nella definizione della classe dati:

Priorità

La priorità della classe dati determina l'ordine in cui le classi di dati candidati dovrebbero diventare la classe dati infernale. Verranno assegnate solo le classi di dati con una fiducia al di sopra della soglia di confidenza. Quando i dati corrispondono a più classi di dati, quella con la massima priorità e una fiducia al di sopra della soglia di confidenza verrà assegnata.

Alcune classi di dati predefinite hanno una serie di priorità. In caso contrario, la priorità predefinita è 10 per le classi di dati predefinite con l'ambito corrispondente valore. Per le classi di dati con l'ambito corrispondente colonna, la priorità predefinita è 0. Per una classe di dati personalizzata per avere la precedenza su una classe dati predefinita, deve essere definita con una priorità più elevata.

Corrisponde a un elenco di valori validi

Quando si abbinano i dati ad un elenco di valori validi, si crea un elenco di valori validi che classificano i propri dati sul livello dei valori di una colonna di database. È necessario fornire i valori uno per uno manualmente, quindi questo metodo è consigliato per una piccola serie di valori. Per elenchi più lunghi, è possibile utilizzare il metodo Crea corrispondenza per fare riferimento ai dati .

Nella sezione Match to list di valori validi , specificare un elenco di valori validi.

Criteri di corrispondenza del testo:

Distinzione tra maiuscole e minuscole

Se si seleziona, solo i valori che hanno lo stesso caso dei valori validi specificati vengono classificati come corrispondenti alla classe dati. Se non selezionato, il caso viene ignorato.

Spaziatura esatta

Se si seleziona, solo le corrispondenze esatte vengono classificate in modo positivo. Se non selezionati, più caratteri di spazio bianco sono crollati in uno spazio unico prima di confrontare i valori validi con i valori sottoposti a test. Ad esempio, se il valore valido è New Yorke il valore verificato è New York, il valore verificato viene classificato come corrispondente, anche se ci sono più spazi vuoti nel valore valido, come ad esempio New York. Se il valore verificato è NewYork senza uno spazio, tuttavia, il valore verificato viene classificato come non corrispondente.

Parole intere

Se si seleziona, solo le corrispondenze esatte vengono classificate in modo positivo. Se non selezionato, i valori che si trovano come sottostringa sono classificati come corrispondenti anche alla classe dati. Ad esempio, se il valore valido è Parise il valore verificato è Parisienne moonlight, il valore verificato viene classificato come corrispondente.

Quindi specificare la percentuale di valori dati corrispondenti richiesti per assegnare questa classe dati.

Crea corrispondenza con dati di riferimento

Quando si abbinano i dati a un dataset di riferimento, si seleziona un dataset di riferimento per classificare i dati sul livello dei valori di una colonna di database. Un dataset di riferimento è composto almeno dalle seguenti colonne:

• Codice
• Valore

Notare che questo metodo di corrispondenza utilizza la colonna di codice nel dataset di riferimento per determinare la classe dati.

File CSV di esempio con un esempio di codici paese:

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

I codici in questo esempio, come ad esempio AND, ARE, AFG, possono essere utilizzati per determinare la classe dati.

Corrisponde ai criteri in un'espressione regolare

Viene utilizzata un'espressione regolare per determinare se ogni valore di una colonna di database appartiene alla classe dati.

Quando si abbina ai criteri in un'espressione regolare, si crea un'espressione regolare che classifica i propri dati sul livello dei valori di una colonna di database. L'espressione regolare deve utilizzare il formato JavaScript .

L'espressione regolare si applica agli asset di dati con una struttura chiara, ad esempio database, tabelle o colonne.

È possibile copiare e incollare uno qualsiasi dei seguenti esempi per le espressioni regolari a Criteri di nome colonna. Quindi specificare un nome di colonna per testare l'espressione regolare. È inoltre possibile selezionare il tipo di dati e la lunghezza del valore dei dati.

[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>

Altri criteri di corrispondenza

La corrispondenza si basa su criteri relativi al nome, al tipo di dati della colonna o a entrambi. Non ci sono criteri aggiuntivi per valutare i valori della colonna. Questo criterio viene applicato sulla parte superiore del metodo di matching inizialmente selezionato.

È possibile specificare un'espressione regolare per definire i nomi delle colonne corrispondenti e fornire un nome di colonna di esempio per il test. Il tipo di dati della colonna può avere qualsiasi tipo, Boolean, data o numero. È anche possibile definire la lunghezza minima e massima del valore dei dati.

^Order$

Ulteriori informazioni

• Dettagli classi dati predefinite
• Profili degli asset
• Creazione di un arricchimento metadati
• Esempi diIBM Knowledge Catalog Repository GitHub

Argomento principale: classi dati