【正文】 例如，通過(guò)多維聚類分析，可以將具有相同儲(chǔ)蓄和貸款償還行為的客戶分為一組。盡管數(shù)據(jù)挖掘是整個(gè)過(guò)程的中心，但它通常只占整個(gè)過(guò)程 15%～ 25%的工作量。 ? 數(shù)據(jù)挖掘中規(guī)則的發(fā)現(xiàn)主要基于大樣本的統(tǒng)計(jì)規(guī)律 ，發(fā)現(xiàn)的規(guī)則不必適用于所有數(shù)據(jù)，當(dāng)達(dá)到某一 閾值 時(shí)便可認(rèn)為有此規(guī)律。兩個(gè)模式的主要不同是維表。 多維數(shù)據(jù)模型 ? 星型模式 (star schema)： 是數(shù)據(jù)倉(cāng)庫(kù)最常見的數(shù)據(jù)模型，其中包括： ? (1)事實(shí)表： 包含大批數(shù)據(jù)和不含冗余的中心表； ? (2)一組小的附屬表 ( 維表 )，每一維一個(gè)。 多維數(shù)據(jù)模型 ? 主題 ： 多維數(shù)據(jù)模型圍繞中心主題 (例如 sales)組織。 操作數(shù)據(jù)庫(kù) 是為已知的任務(wù)和負(fù)載設(shè)計(jì)的，如使用主關(guān)鍵字索引，檢索特定的記錄和優(yōu)化查詢； 數(shù)據(jù)倉(cāng)庫(kù) 的查詢通常是復(fù)雜的，涉及大量數(shù)據(jù)在匯總級(jí)的計(jì)算，可能需要特殊的數(shù)據(jù)組織、存取方法和基于多維視圖的實(shí)現(xiàn)方法。例如： （上海， 2023年 2月，批發(fā)， 2188） OLTP和 OLAP的主要 區(qū)別 服務(wù) 對(duì)象 ： OLTP是 面向顧客 的，用于辦事員、客戶和信息技術(shù)專業(yè)人員的事務(wù)和查詢處理。 操作型數(shù)據(jù)庫(kù)系統(tǒng)與數(shù)據(jù)倉(cāng)庫(kù)的區(qū)別 ? 操作型數(shù)據(jù)庫(kù)系統(tǒng) 的主要任務(wù)是 執(zhí)行聯(lián)機(jī)事務(wù)和查詢處理 ，稱為聯(lián)機(jī)事務(wù)處理 (OLTP) 系統(tǒng)。 (2) DW關(guān)注決策者的 數(shù)據(jù)建模與分析 ，而傳統(tǒng)數(shù)據(jù)庫(kù)是面向應(yīng)用的，集中于組織機(jī)構(gòu)的日常操作和事務(wù)處理。 (3) DW排除對(duì)于決策無(wú)用的數(shù)據(jù)， 提供特定主題的簡(jiǎn)明視圖 。它涵蓋了一個(gè)組織的大部分日常操作，如采購(gòu)、制造、庫(kù)存、銷售、財(cái)務(wù)、銀行等事務(wù)。 OLAP是 面向市場(chǎng) 的，用于經(jīng)理、主管和信息分析人員的數(shù)據(jù)分析。 是分離的 ? ? 操作型數(shù)據(jù)庫(kù)： 支持多事務(wù)的并行處理，需要加鎖和日志等并行控制和恢復(fù)機(jī)制，以確保數(shù)據(jù)的一致性和完整性。 主題 用 事實(shí)表 表示。維表圍繞中心表顯示在連線上。 ? 星型模型中的 item的單個(gè)維表在雪花模型中被規(guī)范化，導(dǎo)致新的 item表和 supplier供應(yīng)商 表。 數(shù)據(jù)挖掘的分類 根據(jù) 所開采的數(shù)據(jù)庫(kù)類型、發(fā)現(xiàn)的知識(shí)類型、采用的技術(shù)類型，數(shù)據(jù)挖掘有不同的分類方法。 ? 知識(shí)發(fā)現(xiàn) 是從數(shù)據(jù)庫(kù)中發(fā)現(xiàn)知識(shí)的全部過(guò)程，而 數(shù)據(jù)挖掘 則是此全過(guò)程的一個(gè)特定的關(guān)鍵步驟 數(shù)據(jù)挖掘和知識(shí)發(fā)現(xiàn)的聯(lián)系 KDD的步驟： 1 熟悉應(yīng)用領(lǐng)域、背景知識(shí)及用戶的 KDD任務(wù)性質(zhì)； 2 數(shù)據(jù)的選擇 ： 確定與發(fā)現(xiàn)任務(wù)相關(guān)的數(shù)據(jù)集合； 3 數(shù)據(jù)清理和預(yù)處理，包括除去錯(cuò)誤和冗余數(shù)據(jù)、處 理丟失數(shù)據(jù)、更新數(shù)據(jù)和時(shí)序信息并將其準(zhǔn)備成數(shù)據(jù)挖掘工具所需的表達(dá)式； 4 數(shù)據(jù)縮減和投影，尋找依賴于發(fā)現(xiàn)目標(biāo)的、表達(dá)數(shù) 據(jù)的有用特征， 通過(guò)降低維數(shù)和數(shù)據(jù)轉(zhuǎn)換 以縮減數(shù)據(jù)規(guī)模； 降低數(shù)據(jù)復(fù)雜性； 5 確定 KDD目標(biāo)，選擇合適的算法如聚集、分類、線性回歸等； 數(shù)據(jù)挖掘和知識(shí)發(fā)現(xiàn)的聯(lián)系 6 選擇數(shù)據(jù)挖掘算法，選擇適當(dāng)?shù)哪Ｐ秃蛥?shù)； 7 執(zhí)行數(shù)據(jù)挖掘過(guò)程，發(fā)現(xiàn)模式并表達(dá)成易理解的 形式如分類規(guī)則等； 8 評(píng)價(jià)和解釋發(fā)現(xiàn)的模式，必要時(shí)反復(fù)執(zhí)行步驟 1到 7； 9 將模式提交給用戶或應(yīng)用到系統(tǒng)中。有效的聚類和協(xié)同過(guò)濾方法有助于識(shí)別客戶組，將新客戶關(guān)聯(lián)到適合的客戶組，以及推動(dòng)目標(biāo)市場(chǎng)。 (3)對(duì)目標(biāo)市場(chǎng)客戶的分類與聚類 : 分類與聚類的方法可用于用戶群體的識(shí)別和目標(biāo)市場(chǎng)分析。 ? KDD的整個(gè)過(guò)程包括在指定的數(shù)據(jù)庫(kù)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(jìn)行的預(yù)處理和結(jié)果表達(dá)等一系列的計(jì)算步驟。 ? 數(shù)據(jù)挖掘既要發(fā)現(xiàn)潛在規(guī)則，還要管理和維護(hù)規(guī)則。這里， sales事實(shí)表與上面的星型模型相同。這種模型有 星型模式 、 雪花模式 等。這些維使得商店能夠記錄商品的月銷售，銷售商品的分店和地點(diǎn)。 OLTP系統(tǒng)和 OLAP系統(tǒng)的比較表 特 性 OLTP OLAP ? 特征 操作處理 信息處理 ? 面向 事務(wù) 分析 ? 用戶 辦事員、客戶、數(shù)據(jù)庫(kù)專業(yè)人員 經(jīng)理、主管、分析員 ? 功能 日常操作 長(zhǎng)期信息需求，決策支持 ? DB設(shè)計(jì) 基于 ER，面向應(yīng)用 星型 /雪花，面向主題 ? 數(shù)據(jù) 當(dāng)前的，確保最新 歷史的，跨時(shí)間維護(hù) ? 匯總 原始的，高度詳細(xì) 匯總的，統(tǒng)一的 ? 視圖 詳細(xì)，一般關(guān)系 匯總的，多維的 ? 工作單位 短的，簡(jiǎn)單事務(wù) 復(fù)雜查詢 ? 存取 讀 /寫 大多為讀 ? 關(guān)注 數(shù)據(jù)輸入、存儲(chǔ) 信息輸出 ? 操作 主關(guān)鍵字上索引 /散列 大量掃描 ? 訪問(wèn)記錄數(shù)量 數(shù)十個(gè) 數(shù)百萬(wàn) ? 用戶數(shù) 數(shù)千 數(shù)百 ? DB規(guī)模 100MB到 GB 100GB到 TB ? 優(yōu)先