《數(shù)據(jù)倉庫與數(shù)據(jù)挖掘》指導書

1、數(shù)據(jù)倉庫與數(shù)據(jù)挖掘設(shè)計指導書自編東華理工大學軟件學院數(shù)據(jù)倉庫與數(shù)據(jù)挖掘課程組2012年11月目錄實驗一:數(shù)據(jù)倉庫的環(huán)境配置與構(gòu)建實驗實驗二:數(shù)據(jù)倉庫的OLAP技術(shù)實驗實驗三:數(shù)據(jù)挖掘方法實踐實驗實驗一、數(shù)據(jù)倉庫的環(huán)境配置與構(gòu)建實驗實驗?zāi)康?1了解數(shù)據(jù)挖掘與商務(wù)智能之間的聯(lián)系與區(qū)別;2分析數(shù)據(jù)挖掘倉庫的特性和構(gòu)架;3掌握數(shù)據(jù)挖掘的功能和建模的標準CRISP-DM。4掌握MSS的分析服務(wù)、報表服務(wù)和整合服務(wù),并能夠用以解決實際問題。實驗結(jié)果分析與要求:完成實驗?zāi)康闹械膬?nèi)容,記錄操作中的各個步驟,并進行分析。實驗內(nèi)容:1、將Excel數(shù)據(jù)表導入SQL數(shù)據(jù)庫中的數(shù)據(jù)表材料:SQL范例資料.xls中的三

2、國表。軟件:SQL Server 2008 R2基本步驟:1首先按照三國表中的屬性在數(shù)據(jù)口中建立對應(yīng)的表。2打開VS選擇項目中的“Integration Services”項目,并制定項目的保存位置,最后單擊“確定”按鈕即可新建一個SSIS項目。3在“控制流”選項卡中,從工具箱拖拽“數(shù)據(jù)挖掘查詢?nèi)蝿?wù)”的圖示到工作區(qū)中。4切換“數(shù)據(jù)流”選項卡,先制定數(shù)據(jù)的源,因為要導入的是Excel數(shù)據(jù),所以從工具箱拖拽Excel源的圖示到工作區(qū)中,然后再Excel源上右擊,選擇菜單上的“編輯”。5在Excel源編輯器中,單擊“新建”按鈕來制定Excel數(shù)據(jù)的源,在Excel連接管理器中,單擊“瀏覽”按鈕來選擇

3、Excel 文件,完成后單擊“確定”按鈕。6在“Excel工作表的名稱”下拉列表中選擇要導入的數(shù)據(jù)表,然后單擊“確定”按鈕,完成數(shù)據(jù)源的設(shè)置。7建立數(shù)據(jù)轉(zhuǎn)換,從工具箱中拖拽“數(shù)據(jù)轉(zhuǎn)換”到工作區(qū)中。8在Excel源上右擊,選擇“添加路徑”。9指定“Excel源”到“數(shù)據(jù)轉(zhuǎn)換”,最后單擊“確定”按鈕。10輸出指定“Excel源輸出”,輸入指定“數(shù)據(jù)轉(zhuǎn)換輸入”,單擊“確定”按鈕。11設(shè)置數(shù)據(jù)流的目標,要導入到SQL的數(shù)據(jù)庫中,從工具箱中拖拽“SQL Server目標”到工作區(qū)。12然后在“數(shù)據(jù)轉(zhuǎn)換”上右擊,選擇添加路徑來建立與數(shù)據(jù)流目標的連接。13在“數(shù)據(jù)流”對話框中,指定從“數(shù)據(jù)轉(zhuǎn)換”到“SQL

4、Server目標”,單擊“確定”按鈕。在“選擇輸入輸出”對話框中,輸出指定“數(shù)據(jù)轉(zhuǎn)換輸出”,輸入指定“SQL Server目標輸入”,單擊“確定”按鈕。14最后設(shè)置數(shù)據(jù)導入的位置,在“SQL Server目標”上右擊,選擇“編輯”。15在“SQL 目標編輯器”窗口中,單擊“新建”按鈕,然后在“配置 OLE DB連接管理器”窗口轉(zhuǎn)中,同樣單擊“新建”按鈕。16在“連接管理器”窗口中,“服務(wù)器名”選擇SQL數(shù)據(jù)庫的位置,在“登錄到服務(wù)器”中選擇“使用windows身份驗證”,在“選擇或輸入一個數(shù)據(jù)庫名”指定數(shù)據(jù)要導入的數(shù)據(jù)庫,單擊“確定”按鈕返回上一個窗口,再單擊“確定”按鈕。17最后要指定數(shù)據(jù)要

5、導入哪一個數(shù)據(jù)表,選擇完成后單擊“確定”按鈕。18接下來選擇“映射”,接著單擊“確定”按鈕即可。19現(xiàn)在已經(jīng)完成配置,單擊“啟動調(diào)用”按鈕,測試是否錯誤,執(zhí)行完畢為綠色,執(zhí)行中為黃色,錯誤為紅色。20可以到導入的SQL數(shù)據(jù)庫的數(shù)據(jù)表位置查看數(shù)據(jù)是否都已經(jīng)導入了。選擇SQL Server Management Studio打開后找到之前導出的數(shù)據(jù)表來查看。21選擇“選擇前1000行”后則可以看到結(jié)果。2、對數(shù)據(jù)進行抽樣材料:SQL范例資料.xls中的三國表。軟件:SQL Server 2008 R2基本步驟:在“數(shù)據(jù)轉(zhuǎn)換”中選擇“百分比抽樣”,抽樣的百分比為20%。其他同“將Excel數(shù)據(jù)表導入

6、SQL數(shù)據(jù)庫中的數(shù)據(jù)表”的操作步驟。實驗二、交換機數(shù)據(jù)倉庫的OLAP技術(shù)實驗實驗?zāi)康?1掌握決策樹模型的基本概念和計算方法,并用其預(yù)測三國表中“身份屬性”與其他屬性的關(guān)系;2掌握貝葉斯分類器的基本概念,并用其預(yù)測三國表中“身份屬性”與其他屬性的關(guān)系;3掌握關(guān)聯(lián)規(guī)則的基本概念和種類,并用其預(yù)測“腎細胞癌轉(zhuǎn)移情況”。4對比以上三種模型,分析其聯(lián)系與區(qū)別。實驗結(jié)果分析與要求:完成實驗?zāi)康闹械膬?nèi)容,記錄操作中的各個步驟,并進行分析。實驗內(nèi)容:1、使用決策樹模型預(yù)測三國表中“身份屬性”與其他屬性間的關(guān)系;材料:SQL范例資料.xls中的三國表。軟件:SQL Server 2008 R2基本步驟:1首先將

7、三國表導入到SQL數(shù)據(jù)庫中。2新建Analysis Service 項目,進入項目中的新建挖掘結(jié)構(gòu),使用數(shù)據(jù)挖掘向?qū)斫?進入數(shù)據(jù)挖掘向?qū)醉摵髥螕簟跋乱徊健卑粹o。3從現(xiàn)有關(guān)系數(shù)據(jù)庫或數(shù)據(jù)倉庫讀取數(shù)據(jù),即為默認值,故直接在這個頁面單擊“下一步”按鈕。4到數(shù)據(jù)挖掘技術(shù)部分,選擇“Microsoft決策樹”后,單擊“下一步”按鈕。5選擇所要用數(shù)據(jù)的數(shù)據(jù)庫位置后,單擊“下一步”按鈕。6選擇要使用的數(shù)據(jù)表,單擊“下一步”按鈕。7選擇所需輸入變量與預(yù)測變量,以及索引鍵;以序列號碼為索引,身份為預(yù)測變量,并單擊“建議”按鈕以了解預(yù)測變量與其他變量間的相關(guān)性,可找出較具影響力的輸入變量,完成后單擊“確定”

8、按鈕,這時會回到原來的頁面,單擊“下一步”按鈕。8單擊“建議”按鈕,此時程序會提出一些變量的相關(guān)系數(shù),用戶可自行選擇輸入與否。9聲明正確的數(shù)據(jù)屬性,完成后單擊“下一步”按鈕。10在此可選擇測試數(shù)據(jù)的百分比,本實驗中無測試數(shù)據(jù),百分比選擇“0”。11更改挖掘結(jié)構(gòu)名稱,單擊“完成”按鈕。12選擇上方的挖掘模型查看器后,程序詢問是否生成和部署項目,單擊“是”按鈕。13接下來單擊“運行”按鈕。14運行完成后單擊“關(guān)閉”按鈕。15建模完成,生成數(shù)據(jù)挖掘結(jié)構(gòu)接口包含數(shù)據(jù)挖掘結(jié)構(gòu)、挖掘模型、挖掘模型查看器、挖掘準確度圖標以及挖掘模型預(yù)測;其中在挖掘結(jié)構(gòu)中,主要是呈現(xiàn)數(shù)據(jù)間的關(guān)聯(lián)性以及分析的變量。而在挖掘模型

9、中,主要是列出所建立的挖掘模型,也可以新建挖掘模型,并調(diào)整變量,變量使用狀況包含Ignore(忽略、Input(輸入變量、Predict(預(yù)測變量、輸入變量以及PredictOnly(預(yù)測變量。而在挖掘模型上右擊,選擇“設(shè)置算法參數(shù)”針對方法論的參數(shù)設(shè)置加以編輯。挖掘模型查看器則是呈現(xiàn)此樹狀結(jié)構(gòu),對于數(shù)據(jù)的分布進一步的加以了解。而可以從“依賴關(guān)系網(wǎng)絡(luò)”了解因變量與自變量間的關(guān)聯(lián)性強弱程度。2、使用貝葉斯模型預(yù)測三國表中“身份屬性”與其他屬性間的關(guān)系;材料:SQL范例資料.xls中的三國表。軟件:SQL Server 2008 R2基本步驟:除挖掘技術(shù)部分選擇合適的挖掘方法外,其他步驟同上。3、

10、使用關(guān)聯(lián)規(guī)則預(yù)測腎癌表中“腎細胞癌轉(zhuǎn)移情況”;材料:SQL范例資料.xls中的腎癌。軟件:SQL Server 2008 R2基本步驟:除挖掘技術(shù)部分選擇合適的挖掘方法外,其他步驟同上。實驗三、數(shù)據(jù)挖掘方法實踐實驗實驗?zāi)康?1掌握邏輯回歸模型;2使用邏輯回歸模型完成三個實例,并進總結(jié)。3使用神經(jīng)網(wǎng)絡(luò)模型對“腎癌”表中數(shù)據(jù)進行分析。實驗內(nèi)容:1、使用邏輯回歸模型對“腎癌”表中數(shù)據(jù)進行分析;材料:SQL范例資料.xls中的腎癌表。軟件:SQL Server 2008 R2基本步驟:1首先將三國表導入到SQL數(shù)據(jù)庫中。2新建Analysis Service 項目,進入項目中的新建挖掘結(jié)構(gòu),使用數(shù)據(jù)挖

11、掘向?qū)斫?進入數(shù)據(jù)挖掘向?qū)醉摵髥螕簟跋乱徊健卑粹o。3從現(xiàn)有關(guān)系數(shù)據(jù)庫或數(shù)據(jù)倉庫讀取數(shù)據(jù),即為默認值,故直接在這個頁面單擊“下一步”按鈕。4到數(shù)據(jù)挖掘技術(shù)部分,選擇“Microsoft邏輯回歸”后,單擊“下一步”按鈕。5確認數(shù)據(jù)庫中的數(shù)據(jù)表。6選擇“癌癥$”數(shù)據(jù)表進行分析,選中“事例”復選框。7選擇變量,其中預(yù)測變量為“腎細胞癌轉(zhuǎn)移情況”,輸入變量為“患者的年齡(歲”、“腎細胞癌血管內(nèi)皮生長因子(VEGF”、“腎細胞癌組織內(nèi)微血管數(shù)(MV”、“腎癌細胞核組織學分級”與“腎細胞癌分期”。8要確定變量的數(shù)據(jù)內(nèi)容類型以及數(shù)據(jù)類型,其中輸入變量中“患者的年齡(歲”、“腎細胞癌組織內(nèi)微血管數(shù)(MV”

12、為Continuous,其他皆為Discrete。9在此可選擇測試數(shù)據(jù)的百分比,本實驗中無測試數(shù)據(jù),百分比選擇“0”。10單擊“挖掘模型查看器”選項卡,所呈現(xiàn)的是概率值,在對應(yīng)的輸入變量條件下,其預(yù)測變量所發(fā)生的概率。11根據(jù)挖掘準確度圖標,紅線越靠近藍色表示越準確。本實驗中原始模型(紅線與理想模型(藍線很接近,表示此模型準確度較高。12再根據(jù)分類矩陣可以發(fā)現(xiàn),建立的邏輯回歸模型所預(yù)測結(jié)果與實際分類結(jié)果的預(yù)測正確率高達97.15%。13根據(jù)邏輯回歸模型,利用“挖掘模型預(yù)測”選項卡生成預(yù)測值。2、使用邏輯回歸模型對“高中成績”表中數(shù)據(jù)進行分析;材料:SQL范例資料.xls中的高中成績。軟件:SQL Server 2008 R2基本步驟:同上。3、使用邏輯回歸模型對“三國”表中數(shù)據(jù)進行分析;數(shù)據(jù)倉庫與數(shù)據(jù)挖掘設(shè)計指導書 材料：SQL 范例