數(shù)據(jù)倉庫應(yīng)用實(shí)例培訓(xùn)課件-資料下載頁
2025-01-08 19:51本頁面
【正文】 數(shù)據(jù)挖掘模型與相關(guān)數(shù)據(jù)的準(zhǔn)備 確定挖掘模型的分析目標(biāo)或挖掘成功的度量值 度量值的確定步驟：收集企業(yè)的關(guān)鍵戰(zhàn)略領(lǐng)域報(bào)表 、識(shí)別企業(yè)信息量化的度量指標(biāo) 、 對(duì)這些度量指標(biāo)進(jìn)行編碼 、 識(shí)別數(shù)據(jù)挖掘解決業(yè)務(wù)問題的度量指標(biāo) 、 對(duì)度量指標(biāo)設(shè)定基線 。 例如 ， 在超市數(shù)據(jù)挖掘中經(jīng)常進(jìn)行度量的指標(biāo)有：購買商品的客戶百分比 、 對(duì)促銷策略響應(yīng)的客戶數(shù) 、 客戶購買商品的平均量 、 某一時(shí)間段購買商品的總量或總金額 、 商品銷售的利潤率 。 在確定了度量值以后 ，還要確定這些度量值的當(dāng)前值 ， 以便在數(shù)據(jù)挖掘以后 ，采取相應(yīng)對(duì)策后的比較 。 2．挖掘數(shù)據(jù)的準(zhǔn)備 建立數(shù)據(jù)挖掘庫：選擇業(yè)務(wù)數(shù)據(jù) 、 轉(zhuǎn)換業(yè)務(wù)數(shù)據(jù) 、 驗(yàn)證業(yè)務(wù)數(shù)據(jù) 。 為數(shù)據(jù)挖掘工作準(zhǔn)備訓(xùn)練數(shù)據(jù)集與數(shù)據(jù)驗(yàn)證集：確定數(shù)據(jù)質(zhì)量 、 準(zhǔn)備適當(dāng)?shù)臄?shù)據(jù) 、 為目標(biāo)變量確定初值 、 確定數(shù)據(jù)挖掘變量的格式 。 數(shù)據(jù)挖掘模型的應(yīng)用 注意多目標(biāo)變量之間的相互關(guān)系 確定多目標(biāo)變量最終的分析順序 剔除那些對(duì)目標(biāo)變量具有強(qiáng)相關(guān)性的變量 挖掘模型的維護(hù)和完善 將所獲得挖掘結(jié)果存儲(chǔ)進(jìn)多維數(shù)據(jù)集 SQL Server中的數(shù)據(jù)挖掘工具 MS SQL Server2023中的 Analysis Services可以對(duì)關(guān)系數(shù)據(jù)庫和多維數(shù)據(jù)源中的數(shù)據(jù)進(jìn)行挖掘 ， 因此任何利用 OLE DB可以訪問的關(guān)系數(shù)據(jù)源數(shù)據(jù)以及通過Analysis Services創(chuàng)建的多維數(shù)據(jù)集的數(shù)據(jù)都可以訓(xùn)練挖掘模型 。 而且 SQL Server系統(tǒng)的可擴(kuò)展性使第三方工具能夠與 SQL Server的數(shù)據(jù)挖掘工具組裝使用 ， 提高了系統(tǒng)的性能與靈活性 。 Analysis Services中所提供的數(shù)據(jù)挖掘模型主要是兩種：Microsoft決策樹模型和 Microsoft數(shù)據(jù)聚集模型 。 演講完畢，謝謝觀看！
環(huán)評(píng)公示相關(guān)推薦
鄂ICP備17016276號(hào)-1