【正文】 ing 2/27/2023 90 DM應用：市場分析和管理 ? 供分析的數(shù)據(jù)源在哪里 ? – 信用卡業(yè)務 , 信譽卡 , 優(yōu)惠券 , 顧客投訴 , 大眾生活方式研究 . ? 市場營銷 Target marketing: – 尋找典型消費者的聚類，他們有相同的特征：偏好、收入水平、消費習慣等等 . ? Determine customer purchasing patterns over time: – Conversion of single to a joint bank account: marriage, etc. ? Crossmarket analysis – 銷售產(chǎn)品之間的關聯(lián) – 基于相關信息的預測 2/27/2023 91 DM應用：市場分析和管理 ? Customer profiling – 數(shù)據(jù)采掘可以告訴你什么類型的顧客買什么樣的產(chǎn)品 (聚類或分類 ). ? 確認顧客需求 – 為不同顧客確認最好的產(chǎn)品 – 預測什么因素會吸引新顧客 ? 提供簡報 – 各種多維簡報 。 ? 例子 : – Auto Insurance: detect a group of people who stage accidents to collect on insurance – Money Laundering: detect suspicious money transactions (US Treasury39。 ? 天文 – Cal Tech 和 the Palomar Observatory 在數(shù)據(jù)采掘的幫助下 發(fā)現(xiàn)了 22個 星體 。 2/27/2023 95 NBA教練如何布陣以提升獲勝機會？ ? 美國著名的國家籃球隊 NBA的教練，利用 IBM公司提供的數(shù)據(jù)挖掘工具臨場決定替換隊員。但是今天， NBA的教練又有了他們的新式武器：數(shù)據(jù)挖掘。例如 Scout就因為研究了魔術隊隊員不同的布陣安排，在與邁阿密熱隊的比賽中找到了獲勝的機會。 流水號 所購物品清單 1 啤酒、薄餅、牛奶 2 烤鴨、薄餅、面醬 3 啤酒、烤鴨、薄餅、面醬 4 面醬 5 烤鴨、面醬 經(jīng)理想知道 商品間關聯(lián)，顧客買了面醬就會買烤鴨？ 要求挖掘出 支持度 ? 2 （既至少出現(xiàn)兩次）的商品間的關聯(lián)。三項統(tǒng)計 支持度{ 烤鴨，面餅，面醬 }2 圖 34 0% 的顧客同時買了烤鴨、面餅和面醬。 支持度 40%， 置信度為 % ? R2： 面餅 ?烤鴨 、 面醬 。 支持度 40%， 置信度為 50% ? KDD結果不一定是因果關系 。 ? 例如 ∶ ? 用 R1， 將烤鴨降價以促銷面餅 、 面醬 ， 很可能會破產(chǎn) ? 用 R2 將面餅降價 ， 以促銷烤鴨 ， 可能會發(fā)財； ? 用 R3， 引不起顧客的熱情 。 ? (5) 根據(jù)訓練數(shù)據(jù) ， 調(diào)整加權 。 ， 使得在訓練集中各記錄的 ∑P iFi剛好在應住面積的分數(shù)段中 。 ? KDD先從實踐中來，然后，用到實踐中去。 決策樹 德 不合格 % 智 (總分 ) % 不合格 60% 體 % 不合格 % 錄取 33% 基于決策樹的分類 (高考招生例，續(xù) ) ? 上述決策樹把 德育放在第一位 。 第一節(jié)點 (德育 )分流后 ， 候選空間并未迅速減少 (信息增益 小 ) ? 如果把智育節(jié)點提前 ， 可在第一步將候選集縮小到1/3， 提高整個系統(tǒng)效率 。 ? 決策樹分類技術研究節(jié)點集的選擇 ， 節(jié)點的次序 ，門限值的確定公式等等 ， 其目的是使分類比較準確 ，比較快 。分析結果顯示，蒙娜麗莎的微笑中，帶有 83%的快樂， 9%的厭惡， 6%的害怕以及 2%的氣憤。 ? 思考：這個技術可以用在哪方面？ 信息組織與存儲技術 1)文件的基本概念 文件組織技術 數(shù)據(jù)項 :是最基本的不可分的數(shù)據(jù)單位，也是文件中可使用的數(shù)據(jù)的最小單位。 文件：是記錄的集合。是不可再分的數(shù)據(jù)單位。 3. 文件是同類記錄的有序集合。 2) 文件的組織 文件的組織方法： (1) 順序文件 ：物理順序和邏輯順序相一致。記錄區(qū)按關鍵字順序排列的稱 索引順序文件 ，記錄區(qū)不按關鍵字順序排列的稱為 索引非順序文件 ，簡稱索引文件。存取速度快，節(jié)省存儲空間；缺點是不易找到理想的 Hash函數(shù)。 ? 一個命名了的數(shù)據(jù)集合稱為一個 文件 。 ? 文件系統(tǒng)的缺陷： ① 數(shù)據(jù)共享性差，冗余度大 。 ② 數(shù)據(jù)不一致性 。 ③ 數(shù)據(jù)獨立性差 。 ④ 數(shù)據(jù)結構化程度低 。 2 數(shù)據(jù)管理技術 ? 數(shù)據(jù)管理的主要任務： ?實現(xiàn)對數(shù)據(jù)的合理組織、維護和存取， ?處理好應用程序與數(shù)據(jù)之間的關系。 ? 數(shù)據(jù)管理的主要特點是： 數(shù)據(jù)不在計算機中長期保存 沒有軟件系統(tǒng)對數(shù)據(jù)進行管理 一組數(shù)據(jù)對應于一個應用程序 （ 2）文件系統(tǒng) ? 計算機用于管理 ，有了專門管理數(shù)據(jù)的軟件 。 文件不易擴充，修改維護還比較費時。數(shù)據(jù)管理方面具有如下特點 ： 能夠描述各數(shù)據(jù)元素間數(shù)據(jù)集合間的關系 具有最小的數(shù)據(jù)冗余，節(jié)省存儲空間，減少重復。允許多用戶并發(fā)地使用數(shù)據(jù)庫中的數(shù)據(jù)，以最好的方式去滿足多用尸的需要。 數(shù)據(jù)庫技術 ? 如前所述，數(shù)據(jù)是信息的 具體化、形象化 ，是表示信息的物理符號。 ? 對客觀世界的認識、描述是一個 逐步深入 的過程。 (4) 數(shù)據(jù)庫的運行管理功能 ? 1 概念模型 是對信息世界的管理 對象、屬性 及 聯(lián)系等信息的描述形式。 實體可以指實際的東西，也可以指概念性的東西 屬性是實體 (事物 )的某一方面的性質(zhì)或特性 聯(lián)系是指客觀存在的事物之間的相互關系，通常是指實體集與實體集之間的關系。通常用 長方形 表示實體集；用 橢圓形 表示實體集的屬性，用 菱形 表示實體集間的聯(lián)系。但為了與層次模型相區(qū)別，在網(wǎng)狀模型上增加了一些限制條件，即滿足下列條件的數(shù)據(jù)模型稱為網(wǎng)狀模型： 1) 可以有一個以上的節(jié)點 (記錄型)無父節(jié)點； 2) 至少有一個節(jié)點的父節(jié)點多于一個。 一個關系相當于數(shù)據(jù)組織中的同質(zhì)文件 關系框架相當于其記錄類型，每個元組相當于一個記錄值 (常代表一個實體 ) 關系中每一列 (分量 )是同類型的數(shù)據(jù)的值的集合 (常代表實體的屬 )，也稱域 每個數(shù)據(jù)庫中的數(shù)據(jù)均可劃分成多個關系 (多個二維表 ) ? 關系模型的數(shù)據(jù)結構 無論對實體集還是實體集之間的聯(lián)系 (包含多元多對多的聯(lián)系 )，均采用關系 (二維表 )來描述 要求關系規(guī)范化，就是指關系模式要滿足一定的規(guī)范條件。關系中的數(shù)據(jù)操作是主要集合操作，包括傳統(tǒng)的集合運算，如并、交、差和關系運算，如選擇、連接、投影等。 實體完整性 參照完整性 用戶定義的 完整性 關系數(shù)據(jù)庫的特性 (1) 簡單、靈活易用。 主要特點： (1)提供并引入了強有力的輔助工具 ， 例如屏幕生成工具；報表生成工具；標簽生成工具；菜單生成器；以及項目管理工具 。 (3)通過查詢優(yōu)化技術 、 按例相關查詢技術以及新的索引結構等進行更快速方便的數(shù)據(jù)查詢 。 (5)提供了編譯分銷工具 ， 使所開發(fā)的應用系統(tǒng)可以完全脫離 Foxpro環(huán)境運行 。 2． ORACLE (1)具有很強的可移植性 、 可兼容性和可聯(lián)接性 。 允許不同類型的計算機和操作系統(tǒng)通過網(wǎng)絡共享其信息資源 。 通過網(wǎng)絡聯(lián)接 ， Oracle將存放在多臺計算機上的數(shù)據(jù)組合成一個邏輯數(shù)據(jù)庫 ， 可被全部網(wǎng)絡用戶存取 ， 像集中式系統(tǒng)一樣具有用戶透明性和數(shù)據(jù)的一致性 。 支持大小可到幾百 GB的數(shù)據(jù)庫，支持大量用戶同時在同一數(shù)據(jù)上執(zhí)行各種應用。 遵守數(shù)據(jù)存取語言、操作系統(tǒng)、用戶接口和網(wǎng)絡通信協(xié)議的工業(yè)標準，可以很好地保護用戶投資。 (2)存儲過程 、 觸發(fā)器和 TransactSQL語言 。 提供了一個數(shù)據(jù)庫外殼 ， 可以通過它來訪問遠程表 。 (5)編程式應用程序接口 (API)。 (6)Sybase系統(tǒng)在有關工具及實用程序方面有一些欠缺 ， 需借助第三方的軟件予以輔助 。 (8)采用基于腳本的方式支持 Inter。 4． Informix 主要特點有： (1)它是 UNIX系統(tǒng)上效率高 、 性能好的 DBMS。 此外 ， Informix還有一種數(shù)據(jù)庫訪問工具 ——InformixWing2， 它是一種具有擴展的數(shù)據(jù)訪問和 “ 前端處理 ” 能力的多用途的電子數(shù)據(jù)表 ， 它與數(shù)據(jù)庫的緊密結合受到廣泛稱贊 。 5． Microsoft SQLServer 只在 Windows NT上運行 。 (2) SQL Server不能提供異構 DMBS配置下在兩個 DMBS之間復制 ， 但它可以通過 ODBC到其他的 DBMS中取得數(shù)據(jù) 。 (3)SQLServer所支持的語言是 TransactSQL， 諸如存儲過程這樣的擴展已使 TransactSQL的編程功能大大提高 。 在支持 Inter方面 ， 還有一個與 Microsoft SQL server一起交付的 SQL Server Assistant， 它是幫助開發(fā)面向 Web應用的工具 。二維表格是表達現(xiàn)實世界中實體間的相互關系時最常用、也是人們最熟悉的方法。 編號 系名 姓名 性別 出生年 月 03004 計算機系 韓 東 男 .10 02001 外語系 劉 玲 女 03001 計算機系 王 東 男 04001 數(shù)學系 姜瑞青 男 05001 電子工程系 翁超雷 男 0 05002 電子工程系 田茉莉 女 03002 計算機系 宋江明 男 03003 計算機系 邵林文賀 女 編號 姓名 課程 教室 05002 田茉莉 操作系統(tǒng) A201 05002 田茉莉 數(shù)據(jù)結構 B504 04001 姜瑞青 C語言 A308 03004 韓 東 VFP程序設計 B102 03004 韓 東 語言模式識別 C402 03004 韓 東 數(shù)據(jù)結構 A504 03002 宋江明 VFP程序設計 B102 03003 邵林文賀 VFP程序設計 B102 05001 翁超雷 C語言 A308 編號 系名 姓名 性別 出生年月 課程 教室 03004 計算機系 韓 東 男 VFP程序設計 B102 03004 計算機系 韓 東 男 語言模式識別 C402 03004 計算機系 韓 東 男 數(shù)據(jù)結構 A504 連接關系： 編號=“ 03004” 超文本技術 信息檢索與傳播技術 光盤檢索 ? 光盤檢索系統(tǒng)是利用 光盤驅動器 與 光盤數(shù)據(jù)庫 及檢索軟件 ，結合計算機建立起來的信息檢索系統(tǒng)。 ? 1985年，美國研制出第一個推向市場的光盤產(chǎn)品BiblioFile (LCMARC)數(shù)據(jù)庫及其編目軟件系統(tǒng)，它收藏了美國國會圖書館自 1965年以來的全部英語文獻書目，以及 1900~1964年的部分書目記錄。 光盤檢索的基本特點： ? 不受機時限制； ? 檢索費用相對較低； ? 操作簡便靈活，允許反復修改檢索策略； ? 能及時打印檢索結果。但也存在檢索費用高、容易泄露研究機密等缺點。提供電子菜譜、購物、影視、音樂信息等數(shù)據(jù)庫服務。 ?近年來美國出現(xiàn)了超級市場型數(shù)據(jù)庫聯(lián)機服務系統(tǒng)。 世界上重要的聯(lián)機檢索系統(tǒng) ? 除美國外，德、法、英、日都是聯(lián)機檢索發(fā)展的大國。這些系統(tǒng)通過分組數(shù)據(jù)交換網(wǎng)組成了著名的大型信息資源網(wǎng)絡，即 EURONET DIANET。與此同時，發(fā)達國家的聯(lián)機檢索正向著產(chǎn)業(yè)化方向發(fā)展。 ?埃及、韓國等在聯(lián)機檢索系統(tǒng)發(fā)展上也有聲有色。 北京文獻服務處的 BDSIRS系統(tǒng) 。 機電信息研究所的 MEIRS系統(tǒng)。 ? 美國 Dialog國際聯(lián)機檢索系統(tǒng)是世界上最早和最大的專業(yè)信息檢索系統(tǒng)，也是我國科技界廣泛使用的商業(yè)數(shù)據(jù)庫系統(tǒng)