數(shù)據(jù)倉(cāng)庫(kù)與數(shù)據(jù)挖掘簡(jiǎn)介(參考版)
2025-03-11 13:13本頁(yè)面
【正文】 THANK YOU 臧賽龍 2023/1/21 演講完畢，謝謝觀看！ 。 有用的工具包括 : 數(shù)據(jù)可視化工具 (用圖形方式按時(shí)間和一定人群顯示交易活動(dòng) )。 然后可以采用多種數(shù)據(jù)分析工具來找出異常模式，如在某段時(shí)間內(nèi)，通過某一組內(nèi)發(fā)生大量現(xiàn)金流量，等等。有效的聚類和協(xié)同過濾方法有助于識(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。 數(shù)據(jù)挖掘?qū)嵗? ? 分析客戶償還的歷史信息 ，可以發(fā)現(xiàn)，償還與收入比率可能是主導(dǎo)因素，而受教育水平和負(fù)債率則不是。 數(shù)據(jù)挖掘的方法，如特征選擇和屬性相關(guān)性計(jì)算，有助于識(shí)別重要因素，剔除非相關(guān)因素。數(shù)據(jù)倉(cāng)庫(kù)，數(shù)據(jù)立方體，多特征和發(fā)現(xiàn)驅(qū)動(dòng)數(shù)據(jù)立方體，特征和比較分析，以及孤立點(diǎn)分析等，都會(huì)在金融數(shù)據(jù)分析和挖掘中發(fā)揮重要作用。 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(qiáng)有力工具 數(shù)據(jù)挖掘?qū)嵗? ? 2 針對(duì)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(cāng)庫(kù)：多維數(shù)據(jù)分析用于分析這些數(shù)據(jù)的一般特性。核苷按不同的次序和序列可以形成不同的基因，幾乎是不計(jì)其數(shù)。 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(gè)基因。 ? 知識(shí)發(fā)現(xiàn) 是從數(shù)據(jù)庫(kù)中發(fā)現(xiàn)知識(shí)的全部過程，而 數(shù)據(jù)挖掘 則是此全過程的一個(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。 ? KDD的整個(gè)過程包括在指定的數(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。用數(shù)據(jù)庫(kù)的若干已知字段預(yù)測(cè)或驗(yàn)證其他未知字段值； (2)描述功能 指找到描述數(shù)據(jù)的可理解模式。 OLAP可以作為一種廣義的數(shù)據(jù)挖掘方法，它旨在簡(jiǎn)化和支持聯(lián)機(jī)分析，而數(shù)據(jù)挖掘的目的是使這一過程盡可能自動(dòng)化。 ? 在 深層次 上，從數(shù)據(jù)庫(kù)中發(fā)現(xiàn)前所未知的、隱含的知識(shí)。 ? 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(jì)和數(shù)學(xué)理論的開采及集成開采等。一個(gè)靈活的規(guī)則挖掘系統(tǒng)能夠在多個(gè)層次上發(fā)現(xiàn)知識(shí)。 數(shù)據(jù)挖掘的分類 ? (2) 按挖掘的知識(shí)類型分類 按挖掘的知識(shí)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(shí)序規(guī)則等。 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。 ? 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。 數(shù)據(jù)挖掘的特點(diǎn) ? 所處理的數(shù)據(jù)規(guī)模十分巨大 。 數(shù)據(jù)挖掘是知識(shí)發(fā)現(xiàn) KDD的一個(gè) 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(jì)算效率，生成特殊的模式。 ? 通過數(shù)據(jù)挖掘，有價(jià)值的知識(shí)、規(guī)則或高層次的信息能就從數(shù)據(jù)庫(kù)的相關(guān)數(shù)據(jù)集合中抽取出來，并從不同角度顯示，從而使大型數(shù)據(jù)庫(kù)作為一個(gè)豐富可靠的資源為知識(shí)管理服務(wù)。 多維數(shù)據(jù)模型 sales數(shù)據(jù)倉(cāng)庫(kù)的雪花模式 time sales item 維表 事實(shí)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 cou
職業(yè)教育相關(guān)推薦
鄂ICP備17016276號(hào)-1