數據倉庫與數據挖掘(編輯修改稿)
2025-07-21 05:52 本頁面
【文章內容簡介】 在對現有方法的改進和新的查詢優(yōu)化技術方面的研究。例如，Nikos Karayannidis等人對基于層次的簇聚方式存儲的事實表進行聯機的星形查詢的實現技術進行了研究，提出了一整套查詢過程的實現方法和優(yōu)化策略，在查詢訪問計劃的實現中充分利用了基于層次的簇聚存儲方式帶來的優(yōu)點。數據挖掘 數據挖掘定義及實現過程數據挖掘就是用來發(fā)現隱含的、事先未知的、潛在的有用知識，提取的知識可以表示成概念、規(guī)律、模式等形式。其挖掘對象不僅可以是數據庫，也可以是文件系統(tǒng)或組織在一起的數據集合，更主要的是數據倉庫。簡單的說．數據挖掘是提取或“挖掘”知識。目前，數據挖掘是可以從統(tǒng)計學、數據庫和機器學習等三個方面進行定義。從統(tǒng)計學的角度，數據挖掘是指分析所觀察的數據集以發(fā)現可信的數據間的未知關系并提供給數據擁有者可理解的、新穎的和有用的歸納數據。從數據庫的角度來看，數據挖掘是指從存儲在數據庫、數據倉庫或其他信息倉庫中的大量數據中發(fā)現有趣的知識的過程。從機器學習的角度．數據挖掘定義為從數據中抽取隱含的、明顯未知的和潛在的有用的信息?？梢岳斫鉃?，數據挖掘是一個從已知數據集合中發(fā)現各種模型、概要和導出值的過程。圖l表示的是典型的數據挖掘系統(tǒng)的結構。圖1 典型的數據挖掘系統(tǒng)的結構過程表述如下：從數據庫或數據倉庫等資源庫中收集數據，并進行信息的初步篩選；根據用戶對數據信息的要求，由服務器提取并傳輸有用的數據；為了對已經采集到的數據進行更有效的分配，數據挖掘引擎對數據進行特征化、關聯、分類等操作；然后將精確劃分的數據信息進行模式評估，從而使搜索僅限制在感興趣的模式上．通過圖形用戶界面，用戶可以方便的與數據挖掘系統(tǒng)之間通信．實現對數據的使用。 數據挖掘的分類數據挖掘是一個交叉性的學科領域，涉及數據庫技術、統(tǒng)計學理論、機器學習技術、模式識別技術、克視化理論和技術等。由于所用的數據挖掘方法不同、所挖掘的數據類型與知識類型不同、數據挖掘應用的不同。從而產生了大量的、各種不同類型的數據挖掘系統(tǒng)。掌握數據挖掘系統(tǒng)的不同非類，可以幫助用戶確定最適合的數據挖掘系統(tǒng)。（1）根據所挖掘數據庫類型的不同來分類：有關系型數據挖掘系統(tǒng)、對象型數據挖掘系統(tǒng)、對象一關系型數據挖掘系統(tǒng)、事務型數據挖掘系統(tǒng)、數據倉庫的數據挖掘系統(tǒng)，等等。（2）根據所挖掘的知識類型來分類：分為特征化、區(qū)分、關聯、分類、聚類、孤立點分析f異常數據)和演變分析、偏差分析、相似性分析等分類。（3）根據所采用技術的分類：有自動數據挖掘系統(tǒng)、證實驅動挖掘系統(tǒng)、發(fā)現挖掘系統(tǒng)和交互式數據挖掘系統(tǒng)。（4）根據數據挖掘方法來分類：如面向數據庫的方法、面向數據倉庫的方法、機器學習方法、統(tǒng)計學方法、模式識別方法、神經網絡方法等。（5）根據數據挖掘應用的分類：有金融數據的數據挖掘系統(tǒng)、電信行業(yè)的數據挖掘系統(tǒng)、DNA序列數據挖掘系統(tǒng)、股票市場數據挖掘系統(tǒng)、WWW 數據挖掘系統(tǒng)等等，不同的應用通常需要集。成對于該應用特別有效果的方法。因此，普通的、全功能的數據挖掘系統(tǒng)并不一定適合特定領域的數據挖掘任務。 數據挖掘任務數據挖掘任務有六項，分別是：關聯分析、時序模式、聚類、偏差、檢測、預測。關聯分析是從數據庫中發(fā)現知識的一類重要方法。若兩個或多個數據項的取值之間重復出現并且概率很高的時候，就存在某種管理．可以建立起這些數據項的關聯準則。通過時間序列搜索出重復發(fā)生概率較高的模式。這里強調時間序列的影響。數據庫中的數據可以劃分為一系列有意義的子集，即類。在同一類別中，個體之間的距離較小，而不同類別的個體之間的距離偏大。
規(guī)章制度相關推薦
鄂ICP備17016276號-1