數(shù)據(jù)倉庫與數(shù)據(jù)挖掘(存儲(chǔ)版)
【正文】 小支持度和最小可信度。因此，在實(shí)際決策應(yīng)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)行進(jìn)行預(yù)測使用。 結(jié)論 ? 數(shù)據(jù)倉庫和數(shù)據(jù)挖掘是作為兩種獨(dú)立的信息技術(shù)出現(xiàn)的。另外為了保證結(jié)果的正確性 ,數(shù)據(jù)挖掘?qū)A(chǔ)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(gè)要求。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(xì)節(jié)數(shù)據(jù)中進(jìn)行搜索的過程。如果結(jié)果是根據(jù)某種類型的得分或權(quán)值計(jì)算的，那就可以按照獲選邊際率 (最終結(jié)果得分 候選結(jié)果得分 )/最終預(yù)測結(jié)果得分 lOO %的公式進(jìn)行決斷。 ? (3)聚類是把一組個(gè)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(gè)體之間的距離盡可能的小 ,而不同類別的個(gè)體間的距離盡可能的大。隨著人工智能技術(shù)在專家咨詢、語言處理、娛樂游戲等模式識(shí)別領(lǐng)域的應(yīng)用日益廣泛。見圖二。主題是一個(gè)抽象的概念 ,是指用戶使用數(shù)據(jù)倉庫進(jìn)行決策時(shí)所關(guān)心的重點(diǎn)方面 ,一個(gè)主題通常與多個(gè)操作型信息系統(tǒng)相關(guān)。數(shù)據(jù)挖掘通過在大量數(shù)據(jù)的基礎(chǔ)上對各種學(xué)習(xí)算法的訓(xùn)練 ,得到數(shù)據(jù)對象間的關(guān)系模式 ,這些模式反映了數(shù)據(jù)的內(nèi)在特性 ,是對數(shù)據(jù)包含信息的更高層次的抽象 [1]。計(jì)算機(jī)技術(shù)和數(shù)據(jù)收集技術(shù)的進(jìn)步使人們可以從更加廣泛的范圍和幾年前不可想象的速度收集和存儲(chǔ)信息。廣闊的市場和研究利益促使這一領(lǐng)域的飛速發(fā)展。數(shù)據(jù)挖掘正是為了解決傳統(tǒng)分析方法的不足 ,并針對大規(guī)模數(shù)據(jù)的分析處理而出現(xiàn)的。數(shù)據(jù)倉庫中的數(shù)據(jù)是按照一定的主題域進(jìn)行組織。 二、數(shù)據(jù)倉庫系統(tǒng) ? 數(shù)據(jù)倉庫系統(tǒng)是指具有綜合企業(yè)數(shù)據(jù)的能力，能夠?qū)Υ罅科髽I(yè)數(shù)據(jù)進(jìn)行快速和
環(huán)評公示相關(guān)推薦
鄂ICP備17016276號-1