數(shù)據(jù)倉庫與數(shù)據(jù)挖掘(文件)
【正文】 新。見圖二。通過聯(lián)機分析處理，甚至是 數(shù)據(jù)挖掘 等應用處理，實現(xiàn)對信息數(shù)據(jù)的分析。隨著人工智能技術在專家咨詢、語言處理、娛樂游戲等模式識別領域的應用日益廣泛。其中最重要的一個步驟是數(shù)據(jù)挖掘 ,它是利用某些特定的知識發(fā)現(xiàn)算法 ,在可接受的運算效率的限制下 ,從有效數(shù)據(jù)中發(fā)現(xiàn)有關的知識。 ? (3)聚類是把一組個體按照相似性歸成若干類別 ,它的目的是使得屬于同一類別的個體之間的距離盡可能的小 ,而不同類別的個體間的距離盡可能的大。 ? 數(shù)據(jù)挖據(jù)的結果經(jīng)過業(yè)務決策人員的認可，才能實際利用。如果結果是根據(jù)某種類型的得分或權值計算的，那就可以按照獲選邊際率 (最終結果得分 候選結果得分 )/最終預測結果得分 lOO %的公式進行決斷。 四、數(shù)據(jù)倉庫與數(shù)據(jù)挖掘的關系： ? 數(shù)據(jù)倉庫就是面向主題的、集成的、不可更改的、隨時間不斷變化的數(shù)據(jù)集合。而數(shù)據(jù)挖掘是為尋找未知的模式或趨勢在數(shù)據(jù)倉庫的細節(jié)數(shù)據(jù)中進行搜索的過程。數(shù)據(jù)挖掘是通過對文件系統(tǒng)和數(shù)據(jù)庫中的數(shù)據(jù)進行分析 ,獲得具有一定可信度知識的算法和技術。另外為了保證結果的正確性 ,數(shù)據(jù)挖掘對基礎數(shù)據(jù)量的需求是巨大的 ,數(shù)據(jù)倉庫可以很好地滿足這個要求。因此 ,將它們集成到一個系統(tǒng)中 ,形成基于數(shù)據(jù)挖掘的 OLAP 工具 ,可以更加有效地提高決策支持能力。 結論 ? 數(shù)據(jù)倉庫和數(shù)據(jù)挖掘是作為兩種獨立的信息技術出現(xiàn)的。 數(shù)據(jù)倉庫并不是數(shù)據(jù)挖掘的先決條件，因為有很多數(shù)據(jù)挖掘可直接從操作數(shù)據(jù)源中挖掘出信息。因此，在實際決策應用中，通常只選擇那些獲選邊際率超過一定百分比的數(shù)據(jù)行
環(huán)評公示相關推薦
鄂ICP備17016276號-1