數(shù)據(jù)倉庫與數(shù)據(jù)挖掘簡介(文件)
【正文】 n。 多維數(shù)據(jù)模型 sales 數(shù)據(jù)倉庫的星型模式 time sales item 維表 事實表 維表 time_key time_key item_name day item_key item_key day_of_the_week units_sold brand month dollars_sold type quarter location_key supplier_type ★ year branch_key | | | branch維表 location維表 branch_key location_key branch_name street branch_type city ★ province_or_state country 多維 數(shù)據(jù)模型 雪花模型 (snowflake schema) ? 雪花 模型是星型模式的變種，其中某些維表是 規(guī)范化的 ，因而把數(shù)據(jù)進一步分解到附加的表中。 ? 由于執(zhí)行查詢需要更多的 連接操作 ，雪花模型可能降低瀏覽的性能 。這里， sales事實表與上面的星型模型相同。而supplier維表包含信息 supplier_key和 supplier_type。 多維數(shù)據(jù)模型 sales數(shù)據(jù)倉庫的雪花模式 time sales item 維表 事實表 維表 time_key time_key item_name day item_key item_key day_of_the_week units_sold brand month dollars_sold type supplier 維表 quarter location_key supplier_type supplier_key year branch_key | (規(guī)范化） supplier_type | | branch維表 location維表 (規(guī)范化） branch_key location_key branch_name street city維表 branch_type city city_key province_or_state country 三、數(shù)據(jù)挖掘 什么是數(shù)據(jù)挖掘？ ? 數(shù)據(jù)挖掘 DM(Data Mining)是 從大量數(shù)據(jù)中挖掘出隱含的、先前未知的、對決策有潛在價值的知識和規(guī)則 。 數(shù)據(jù)挖掘是知識發(fā)現(xiàn) KDD的一個 關(guān)鍵步驟 ，它包括特定的數(shù)據(jù)挖掘算法，具有可接受的計算效率，生成特殊的模式。 ? 數(shù)據(jù)挖掘既要發(fā)現(xiàn)潛在規(guī)則，還要管理和維護規(guī)則。 數(shù)據(jù)挖掘的分類 ? (2) 按挖掘的知識類型分類 按挖掘的知識類型 可分為關(guān)聯(lián)規(guī)則、特征規(guī)則、分類規(guī)則、偏差規(guī)則、聚集規(guī)則、判別式規(guī)則及時序規(guī)則等。 ? 根據(jù)開采途徑 分為基于歸納的開采、基于模式的開采、基于統(tǒng)計和數(shù)學(xué)理論的開采及集成開采等。 OLAP可以作為一種廣義的數(shù)據(jù)挖掘方法，它旨在簡化和支持聯(lián)機分析，而數(shù)據(jù)挖掘的目的是使這一過程盡可能自動化。 ? KDD的整個過程包括在指定的數(shù)據(jù)庫中用數(shù)據(jù)挖掘算法提取模型，以及圍繞數(shù)據(jù)挖掘進行的預(yù)處理和結(jié)果表達等一系列的計算步驟。 數(shù)據(jù)挖掘?qū)嵗? ? 1 生物醫(yī)學(xué)和 DNA數(shù)據(jù)分析的數(shù)據(jù)挖掘 人類有約 10萬個基因。 由于在數(shù)據(jù)挖掘中己經(jīng)有許多有意義的序列模式分析和相似檢索技術(shù)，因此數(shù)據(jù)挖掘成為DNA分析中的強有力工具 數(shù)據(jù)挖掘?qū)嵗? ? 2 針對金融數(shù)據(jù)分析的數(shù)據(jù)挖掘 (1) 為銀行和金融數(shù)據(jù)構(gòu)造其數(shù)據(jù)倉庫：多維數(shù)據(jù)分析用于分析這些數(shù)據(jù)的一般特性。 數(shù)據(jù)挖掘的方法，如特征選擇和屬性相關(guān)性計算，有助于識別重要因素，剔除非相關(guān)因素。
職業(yè)教育相關(guān)推薦
鄂ICP備17016276號-1