四川理工學(xué)院計(jì)科系數(shù)據(jù)倉(cāng)庫(kù)復(fù)習(xí)題-展示頁(yè)
2025-06-16 17:36本頁(yè)面
【正文】 據(jù)倉(cāng)庫(kù)提供了更好的決策支持；數(shù)據(jù)挖掘?qū)?shù)據(jù)倉(cāng)庫(kù)的數(shù)據(jù)組織提出了更高的要求；數(shù)據(jù)挖掘?yàn)閿?shù)據(jù)倉(cāng)庫(kù)提供了廣泛的技術(shù)支持。（聯(lián)系和區(qū)別）？區(qū)別：數(shù)據(jù)倉(cāng)庫(kù)——是一種存儲(chǔ)技術(shù)，它包含大量的歷史 數(shù)據(jù)、當(dāng)前的詳細(xì)數(shù)據(jù)以及綜合數(shù)據(jù)，它能為不同用戶 不同決策需要提供所需的數(shù)據(jù)和信息。第一章 概述？（書P2，PPT_P8）從大量的、不完全的、有噪聲的、模糊的、隨機(jī)的數(shù)據(jù)中，提取隱含在其中的、人們事先不知道的、但又是潛在有用的信息和知識(shí)的過程。？可以有哪些來源？（PPT_P14）關(guān)系數(shù)據(jù)庫(kù)、數(shù)據(jù)倉(cāng)庫(kù)、事務(wù)數(shù)據(jù)庫(kù)、高級(jí)數(shù)據(jù)等？（PPPT_P29）聚類分析、決策樹、人工神經(jīng)網(wǎng)絡(luò)、粗糙集、關(guān)聯(lián)規(guī)則挖掘、統(tǒng)計(jì)分析等，每一步具體包括哪些內(nèi)容？（書P23，PPT_P1719）確定業(yè)務(wù)對(duì)象、數(shù)據(jù)準(zhǔn)備、數(shù)據(jù)挖掘、結(jié)果分析與知識(shí)同化。數(shù)據(jù)挖掘——是從人工智能機(jī)器學(xué)習(xí)中發(fā)展起來的， 他研究各種方法和技術(shù)，從大量的數(shù)據(jù)中挖掘出有用的信 息和知識(shí)。第二章 數(shù)據(jù)倉(cāng)庫(kù)數(shù)據(jù)倉(cāng)庫(kù)——是一個(gè)面向主題的、集成的、隨時(shí)間而變化的、不容易丟失的數(shù)據(jù)集合，支持管理部門的決策定制過程。：信息獲取層、信息存儲(chǔ)層、信息傳遞層。粒度越小，細(xì)節(jié)程度越高，綜合程度越低，回答查詢的種類就越多。，數(shù)據(jù)按照粒度從小到大可分為四個(gè)級(jí)別：早期細(xì)節(jié)級(jí)、當(dāng)前細(xì)節(jié)級(jí)、輕度細(xì)節(jié)級(jí)和高度細(xì)節(jié)級(jí)。，一般存在著三級(jí)數(shù)據(jù)模型：概念數(shù)據(jù)模型、邏輯數(shù)據(jù)模型、物理數(shù)據(jù)模型（1）概念模型設(shè)計(jì)（2）技術(shù)準(zhǔn)備工作（3）邏輯模型設(shè)計(jì)（4）物理模型設(shè)計(jì)（5）數(shù)據(jù)倉(cāng)庫(kù)的生成（6）數(shù)據(jù)倉(cāng)庫(kù)的使用和維護(hù)，并不是一次就將準(zhǔn)備裝入的數(shù)據(jù)全部裝入數(shù)據(jù)倉(cāng)庫(kù)，而是按照邏輯模型設(shè)計(jì)中所確定和分析的主題域，先裝入并生成某一主題域。第三章 聯(lián)機(jī)分析處理技術(shù)？ 聯(lián)機(jī)事務(wù)處理（OLTP）作為數(shù)據(jù)管理手段，主要用于事務(wù)處理，但它對(duì)分析處理一直不能令人滿意。 快速性、可分析性、多維性、信息性。分向上鉆取和向下鉆取。向下鉆取：從匯總數(shù)據(jù)深入到細(xì)節(jié)數(shù)據(jù)進(jìn)行觀察或增加新維。：關(guān)系OLAP(ROLAP)、多維OLAP(MOLAP)和混合OLAP(HOLAP)。（1）透明性準(zhǔn)則：——OLAP在體系結(jié)構(gòu)中的位置
教學(xué)教案相關(guān)推薦
鄂ICP備17016276號(hào)-1