數(shù)據(jù)庫系統(tǒng)原理數(shù)據(jù)挖掘與數(shù)據(jù)倉庫課件

數(shù)據(jù)庫系統(tǒng)原理

第二部分

第七章數(shù)據(jù)挖掘與數(shù)據(jù)倉庫數(shù)據(jù)庫系統(tǒng)原理

第二部分

第七章數(shù)據(jù)挖掘與數(shù)據(jù)倉庫17.1數(shù)據(jù)倉庫概述7.2數(shù)據(jù)挖掘技術(shù)7.3WEB數(shù)據(jù)挖掘7.1數(shù)據(jù)倉庫概述27.1數(shù)據(jù)倉庫概述一、什么是數(shù)據(jù)倉庫二、DBMS與DWMS三、數(shù)據(jù)倉庫的系統(tǒng)結(jié)構(gòu)四、數(shù)據(jù)倉庫的工作過程7.1數(shù)據(jù)倉庫概述一、什么是數(shù)據(jù)倉庫3不同層次的信息處理需求事務(wù)處理需求不同的事務(wù)處理子系統(tǒng)采購子系統(tǒng)：訂單、訂單細則、供應(yīng)商銷售子系統(tǒng)：顧客、銷售庫存子系統(tǒng)：出庫領(lǐng)料單、進料入庫單、庫存臺帳人事子系統(tǒng)：員工、部門各種事務(wù)處理需求一筆訂購、一筆銷售、一次進料、一次出料要求強調(diào)多用戶并發(fā)環(huán)境，數(shù)據(jù)的一致性、完整性不同層次的信息處理需求事務(wù)處理需求4不同層次的信息處理需求分析處理需求今年銷售量下降的因素（時間、地區(qū)、商品、銷售部門）某種商品今年的銷售情況與以往相比，有怎樣的變化？每年的第一季度商品銷售在各類商品上的分布情況怎樣？要求多個子系統(tǒng)中的數(shù)據(jù)（數(shù)據(jù)集成）歷史數(shù)據(jù)匯總、綜合的數(shù)據(jù)不同層次的信息處理需求分析處理需求5從數(shù)據(jù)庫到數(shù)據(jù)倉庫事務(wù)處理與分析處理的性能特性不同事務(wù)處理環(huán)境數(shù)據(jù)存取操作頻率高每次操作處理的時間短占用系統(tǒng)資源少系統(tǒng)可以允許多個用戶按分時方式使用資源，保持較短的響應(yīng)時間分析處理環(huán)境運行時間長消耗大量系統(tǒng)資源事務(wù)與分析應(yīng)用不宜放在同一中環(huán)境中從數(shù)據(jù)庫到數(shù)據(jù)倉庫事務(wù)處理與分析處理的性能特性不同6從數(shù)據(jù)庫到數(shù)據(jù)倉庫數(shù)據(jù)集成問題事務(wù)處理目的是使業(yè)務(wù)自動化只關(guān)注與本部門業(yè)務(wù)相關(guān)的當前數(shù)據(jù)事務(wù)處理應(yīng)用的分散：企業(yè)內(nèi)部各事務(wù)處理應(yīng)用間相互獨立DSS需要集成的數(shù)據(jù)（內(nèi)部各部門數(shù)據(jù)、外部數(shù)據(jù)、競爭對手數(shù)據(jù)）DSS需要對分散在各個事務(wù)處理應(yīng)用中的相關(guān)數(shù)據(jù)進行集成，以向分析人員提供統(tǒng)一的數(shù)據(jù)視圖從數(shù)據(jù)庫到數(shù)據(jù)倉庫數(shù)據(jù)集成問題7從數(shù)據(jù)庫到數(shù)據(jù)倉庫數(shù)據(jù)動態(tài)集成問題每次分析都進行數(shù)據(jù)集成的開銷太大靜態(tài)集成開始對所需數(shù)據(jù)進行集成，以后就一直以這部分數(shù)據(jù)作為分析的基礎(chǔ)，不再與數(shù)據(jù)源發(fā)生聯(lián)系如果數(shù)據(jù)源發(fā)生了變化，這些變化不能反映到集成數(shù)據(jù)中，導(dǎo)致決策者使用的是過時的數(shù)據(jù)動態(tài)集成集成數(shù)據(jù)必須以一定的周期進行刷新事務(wù)處理系統(tǒng)不具備動態(tài)集成的能力從數(shù)據(jù)庫到數(shù)據(jù)倉庫數(shù)據(jù)動態(tài)集成問題8數(shù)據(jù)倉庫的定義數(shù)據(jù)倉庫是一個面向主題的（SubjectOriented），集成的（Integrated），相對穩(wěn)定的（Nonvolatile），反映歷史變化的（timeVariant）數(shù)據(jù)集合。用于支持管理決策數(shù)據(jù)倉庫的定義數(shù)據(jù)倉庫是一個面向主題的（SubjectOr9一、什么是數(shù)據(jù)倉庫數(shù)據(jù)倉庫技術(shù)所要研究和解決的問題就是從OLTP系統(tǒng)、異構(gòu)分散的外部數(shù)據(jù)源、脫機的歷史業(yè)務(wù)數(shù)據(jù)中獲取數(shù)據(jù)，處理后為數(shù)據(jù)分析和管理決策提供應(yīng)用服務(wù)

。數(shù)據(jù)倉庫就是面向主題的、集成的、不可更新的(穩(wěn)定性)隨時間不斷變化（不同時間）的數(shù)據(jù)集合，用以支持經(jīng)營管理中的決策制定過程。一、什么是數(shù)據(jù)倉庫數(shù)據(jù)倉庫技術(shù)所要研究和解決的問題就是從OL10數(shù)據(jù)庫系統(tǒng)原理數(shù)據(jù)挖掘與數(shù)據(jù)倉庫課件11數(shù)據(jù)庫系統(tǒng)原理數(shù)據(jù)挖掘與數(shù)據(jù)倉庫課件12數(shù)據(jù)庫系統(tǒng)原理數(shù)據(jù)挖掘與數(shù)據(jù)倉庫課件13數(shù)據(jù)庫系統(tǒng)原理數(shù)據(jù)挖掘與數(shù)據(jù)倉庫課件14數(shù)據(jù)庫系統(tǒng)原理數(shù)據(jù)挖掘與數(shù)據(jù)倉庫課件15數(shù)據(jù)庫系統(tǒng)原理數(shù)據(jù)挖掘與數(shù)據(jù)倉庫課件16二、DBMS與DWMSOLTP主要用來完成基礎(chǔ)業(yè)務(wù)數(shù)據(jù)的增、刪、改等操作,對響應(yīng)時間要求比較高，強調(diào)的是密集數(shù)據(jù)更新處理的性能和系統(tǒng)的可靠性及效率

OLAP應(yīng)用是對用戶當前及歷史數(shù)據(jù)進行分析、輔助領(lǐng)導(dǎo)決策，主要通過多維數(shù)據(jù)的查詢、旋轉(zhuǎn)、鉆取和切片等關(guān)鍵技術(shù)對數(shù)據(jù)進行分析和報表。二、DBMS與DWMSOLTP主要用來完成基礎(chǔ)業(yè)務(wù)數(shù)據(jù)的增17數(shù)據(jù)庫系統(tǒng)原理數(shù)據(jù)挖掘與數(shù)據(jù)倉庫課件18三、數(shù)據(jù)倉庫的系統(tǒng)結(jié)構(gòu)與相關(guān)問題三、數(shù)據(jù)倉庫的系統(tǒng)結(jié)構(gòu)與相關(guān)問題19四、數(shù)據(jù)倉庫的工作過程1.數(shù)據(jù)的抽取2.數(shù)據(jù)的存儲和管理3.數(shù)據(jù)的展現(xiàn)等四、數(shù)據(jù)倉庫的工作過程1.數(shù)據(jù)的抽取201.數(shù)據(jù)的抽取數(shù)據(jù)的抽取是數(shù)據(jù)進入倉庫的入口。由于數(shù)據(jù)倉庫是一個獨立的數(shù)據(jù)環(huán)境，它需要通過抽取過程將數(shù)據(jù)從聯(lián)機事務(wù)處理系統(tǒng)、外部數(shù)據(jù)源、脫機的數(shù)據(jù)存儲介質(zhì)中導(dǎo)入數(shù)據(jù)倉庫。數(shù)據(jù)抽取在技術(shù)上主要涉及互連、復(fù)制、增量、轉(zhuǎn)換、調(diào)度和監(jiān)控等幾個方面的處理。在數(shù)據(jù)抽取方面，未來的技術(shù)發(fā)展將集中在系統(tǒng)功能集成化方面，以適應(yīng)數(shù)據(jù)倉庫本身或數(shù)據(jù)源的變化，使系統(tǒng)更便于管理和維護。1.數(shù)據(jù)的抽取數(shù)據(jù)的抽取是數(shù)據(jù)進入倉庫的入口。212.數(shù)據(jù)的存儲和管理數(shù)據(jù)倉庫的組織管理方式?jīng)Q定了它有別于傳統(tǒng)數(shù)據(jù)庫的特性，也決定了其對外部數(shù)據(jù)的表現(xiàn)形式。數(shù)據(jù)倉庫管理所涉及的數(shù)據(jù)量比傳統(tǒng)事務(wù)處理大得多，且隨時間的推移而快速累積。在數(shù)據(jù)倉庫的數(shù)據(jù)存儲和管理中需要解決的是如何管理大量的數(shù)據(jù)、如何并行處理大量的數(shù)據(jù)、如何優(yōu)化查詢等。目前，許多數(shù)據(jù)庫廠家提供的技術(shù)解決方案是擴展關(guān)系型數(shù)據(jù)庫的功能，將普通關(guān)系數(shù)據(jù)庫改造成適合擔當數(shù)據(jù)倉庫的服務(wù)器。

2.數(shù)據(jù)的存儲和管理數(shù)據(jù)倉庫的組織管理方式?jīng)Q定了它有別于傳統(tǒng)223.數(shù)據(jù)的展現(xiàn)在數(shù)據(jù)展現(xiàn)方面主要的方式有：查詢：實現(xiàn)預(yù)定義查詢、動態(tài)查詢、OLAP查詢與決策支持智能查詢；報表：產(chǎn)生關(guān)系數(shù)據(jù)表格、復(fù)雜表格、OLAP表格、報告以及各種綜合報表；可視化：用易于理解的點線圖、直方圖、餅圖、網(wǎng)狀圖、交互式可視化、動態(tài)模擬、計算機動畫技術(shù)表現(xiàn)復(fù)雜數(shù)據(jù)及其相互關(guān)系；統(tǒng)計：進行平均值、最大值、最小值、期望、方差、匯總、排序等各種統(tǒng)計分析；挖掘：利用數(shù)據(jù)挖掘等方法，從數(shù)據(jù)中得到關(guān)于數(shù)據(jù)關(guān)系和模式的知識。

3.數(shù)據(jù)的展現(xiàn)在數(shù)據(jù)展現(xiàn)方面主要的方式有：237.2數(shù)據(jù)挖掘技術(shù)一、問題的提出二、什么是數(shù)據(jù)挖掘三、數(shù)據(jù)挖掘的環(huán)境四、數(shù)據(jù)挖掘的主要步驟五、數(shù)據(jù)挖掘的主要任務(wù)六、數(shù)據(jù)挖掘的主要方法七、數(shù)據(jù)挖掘的主要應(yīng)用八、數(shù)據(jù)挖掘的主要工具7.2數(shù)據(jù)挖掘技術(shù)一、問題的提出24一、問題的提出一方面規(guī)模龐大、紛繁復(fù)雜的數(shù)據(jù)體系讓使用者漫無頭緒、無從下手；另一方面在這些大量數(shù)據(jù)的背后卻隱藏著很多具有決策意義的有價值的信息。如何發(fā)現(xiàn)這些有用的知識，使之為管理決策和經(jīng)營戰(zhàn)略發(fā)展服務(wù)？-數(shù)據(jù)挖掘（DataMining）。一、問題的提出一方面規(guī)模龐大、紛繁復(fù)雜的數(shù)據(jù)體系讓使用者漫無25一個廣為流傳的數(shù)據(jù)挖掘例子 美國加州某個超市連鎖店通過數(shù)據(jù)挖掘從記錄著每天銷售和顧客基本情況的數(shù)據(jù)庫中發(fā)現(xiàn):

在下班后前來購買嬰兒尿布的顧客多數(shù)是男性，他們往往也同時購買啤酒。 于是這個連鎖店的經(jīng)理當機立斷地重新布置了貨架，把啤酒類商品布置在嬰兒尿布貨架附近，并在二者之間放上土豆片之類的佐酒小食品，同時把男士們需要的日常生活用品也就近布置。這樣一來，上述幾種商品的銷量幾乎馬上成倍增長。一個廣為流傳的數(shù)據(jù)挖掘例子 美國加州某個超市連鎖店通過數(shù)據(jù)挖26二、什么是數(shù)據(jù)挖掘數(shù)據(jù)挖掘是一個利用各種分析方法和分析工具在大規(guī)模海量數(shù)據(jù)中建立模型和發(fā)現(xiàn)數(shù)據(jù)間關(guān)系的過程這些模型和關(guān)系可以用來做出決策和預(yù)測。支持大規(guī)模數(shù)據(jù)分析的方法和過程，選擇或者建立一種適合數(shù)據(jù)挖掘應(yīng)用的數(shù)據(jù)環(huán)境是數(shù)據(jù)挖掘研究的重要課題之一

數(shù)據(jù)挖掘是一門交叉學科，會聚了數(shù)據(jù)庫、人工智能、統(tǒng)計學、可視化、并行計算等不同學科和領(lǐng)域二、什么是數(shù)據(jù)挖掘數(shù)據(jù)挖掘是一個利用各種分析方法和分析工具在27三、數(shù)據(jù)挖掘的環(huán)境合理而科學的數(shù)據(jù)環(huán)境是確保數(shù)據(jù)挖掘有效和正確實施的基礎(chǔ)和關(guān)鍵。數(shù)據(jù)挖掘?qū)Υ罅繑?shù)據(jù)的探索式分析的起點是聯(lián)機分析處理（OLAP）。需要支持OLAP數(shù)據(jù)系統(tǒng)與OLTP數(shù)據(jù)系統(tǒng)的分離，需要服務(wù)于數(shù)據(jù)挖掘總體目標的數(shù)據(jù)再組織，需要有單獨的數(shù)據(jù)分析和數(shù)據(jù)處理環(huán)境。

數(shù)據(jù)倉庫正是為了構(gòu)建這種新的分析處理環(huán)境而出現(xiàn)的一種數(shù)據(jù)存儲和組織技術(shù)產(chǎn)品。三、數(shù)據(jù)挖掘的環(huán)境合理而科學的數(shù)據(jù)環(huán)境是確保數(shù)據(jù)挖掘有效和正28四、數(shù)據(jù)挖掘的主要步驟

1、數(shù)據(jù)搜集2、數(shù)據(jù)整理3、數(shù)據(jù)挖掘4、數(shù)據(jù)挖掘結(jié)果的評估5、分析決策四、數(shù)據(jù)挖掘的主要步驟1、數(shù)據(jù)搜集291.數(shù)據(jù)搜集大量全面豐富的數(shù)據(jù)是數(shù)據(jù)挖掘的前提，沒有數(shù)據(jù)，數(shù)據(jù)挖掘也就無從作起。因此，數(shù)據(jù)收集是數(shù)據(jù)挖掘的首要步驟。數(shù)據(jù)可以來自于現(xiàn)有事務(wù)處理系統(tǒng)，也可以從數(shù)據(jù)倉庫中得到。1.數(shù)據(jù)搜集大量全面豐富的數(shù)據(jù)是數(shù)據(jù)挖掘的前提，沒有數(shù)據(jù)，數(shù)302.數(shù)據(jù)整理數(shù)據(jù)整理是數(shù)據(jù)挖掘的必要環(huán)節(jié)。由數(shù)據(jù)收集階段得到的數(shù)據(jù)可能有一定的“污染”，表現(xiàn)在數(shù)據(jù)可能存在自身的不一致性，或者有缺失數(shù)據(jù)的存在等;因此數(shù)據(jù)的整理是必須的。同時，通過數(shù)據(jù)整理，可以對數(shù)據(jù)做簡單的泛化處理，從而在原始數(shù)據(jù)的基礎(chǔ)之上得到更為豐富的數(shù)據(jù)信息，進而便于下一步數(shù)據(jù)挖掘的順利進行。2.數(shù)據(jù)整理數(shù)據(jù)整理是數(shù)據(jù)挖掘的必要環(huán)節(jié)。313.數(shù)據(jù)挖掘利用各種數(shù)據(jù)挖掘方法對數(shù)據(jù)進行分析。3.數(shù)據(jù)挖掘利用各種數(shù)據(jù)挖掘方法對數(shù)據(jù)進行分析。324.數(shù)據(jù)挖掘結(jié)果的評估數(shù)據(jù)挖掘的結(jié)果有些是有實際意義的，而有些是沒有實際意義的，或是與實際情況相違背的，這就需要進行評估。評估可以根據(jù)用戶多年的經(jīng)驗，也可以直接用實際數(shù)據(jù)來驗證模型的正確性，進而調(diào)整挖掘模型，不斷重復(fù)進行數(shù)據(jù)挖掘。4.數(shù)據(jù)挖掘結(jié)果的評估數(shù)據(jù)挖掘的結(jié)果有些是有實際意義的，而有335.分析決策數(shù)據(jù)挖掘的最終目的是輔助決策。決策者可以根據(jù)數(shù)據(jù)挖掘的結(jié)果，結(jié)合實際情況，調(diào)整競爭策略等。

總之，數(shù)據(jù)挖掘過程需要多次的循環(huán)反復(fù)，才有可能達到預(yù)期的效果5.分析決策數(shù)據(jù)挖掘的最終目的是輔助決策。決策者可以根據(jù)數(shù)據(jù)34五、數(shù)據(jù)挖掘的主要任務(wù)1.數(shù)據(jù)總結(jié)2.分類3.關(guān)聯(lián)分析4.聚類五、數(shù)據(jù)挖掘的主要任務(wù)1.數(shù)據(jù)總結(jié)351.數(shù)據(jù)總結(jié)數(shù)據(jù)總結(jié)目的是對數(shù)據(jù)進行濃縮，給出它的總體綜合描述。傳統(tǒng)的也是最簡單的數(shù)據(jù)總結(jié)方法利用統(tǒng)計學中的方法計算出數(shù)據(jù)庫的各個數(shù)據(jù)項的總和、平均、方差、最大值、最小值等基本描述統(tǒng)計量?；蛘咄ㄟ^利用統(tǒng)計圖形工具，對數(shù)據(jù)制作直方圖、餅狀圖等。利用OLAP技術(shù)實現(xiàn)數(shù)據(jù)的多維查詢也是一種廣泛使用的數(shù)據(jù)總結(jié)的方法。1.數(shù)據(jù)總結(jié)數(shù)據(jù)總結(jié)目的是對數(shù)據(jù)進行濃縮，給出它的總體綜合描362.分類分類的主要功能是學會一個分類函數(shù)或分類模型（也常常稱作分類器），該模型能夠根據(jù)數(shù)據(jù)的屬性將數(shù)據(jù)分派到不同的組中。分類應(yīng)用的實例很多。例如，我們可以將銀行網(wǎng)點分為好、一般和較差三種類型，并以此分析這三種類型銀行網(wǎng)點的各種屬性，特別是位置、盈利情況等屬性，并決定它們分類的關(guān)鍵屬性及相互間關(guān)系。此后就可以根據(jù)這些關(guān)鍵屬性對每一個預(yù)期的銀行網(wǎng)點進行分析，以便決定預(yù)期銀行網(wǎng)點屬于哪一種類型。2.分類分類的主要功能是學會一個分類函數(shù)或分類模型（也常常稱37分類分析（Classifiers）含義有一個記錄集合和一組標記，標記用以標識記錄的類別先為每個記錄賦予一個標記（按標記對記錄分類）對同類記錄的特征進行描述顯式描述：例如，一組規(guī)則定義隱式描述：例如，一個數(shù)學模型或公式分類具有極其廣泛的應(yīng)用分類常用于預(yù)測醫(yī)療診斷、性能預(yù)測、選擇購物、信譽證實等分類分析（Classifiers）含義38分類分析的兩個步驟構(gòu)建模型:對預(yù)先確定的類別給出相應(yīng)的描述先假設(shè)一個元組（或樣本）集合中的每一個元組（或樣本）屬于預(yù)先定義的某一個類別，由一個類標號屬性(classlabelattribute)來確定這些元組（或樣本）的集合稱為訓(xùn)練集，用于構(gòu)建模型；由于提供了每個訓(xùn)練樣本的類標號，稱作有指導(dǎo)的學習最終的模型用決策樹、分類規(guī)則或者數(shù)學公式等來表示模型應(yīng)用:對未知的數(shù)據(jù)對象進行分類分類分析的兩個步驟構(gòu)建模型:對預(yù)先確定的類別給出相應(yīng)的描述39分類分析第一步：構(gòu)建模型訓(xùn)練數(shù)據(jù)分類算法IFrank=‘professor’ORyears>6THENtenured=‘yes’分類器(分類模型)分類分析第一步：構(gòu)建模型訓(xùn)練數(shù)據(jù)分類算法IFrank=40分類分析第二步：模型應(yīng)用分類器測試數(shù)據(jù)未知數(shù)據(jù)(Jeff,Professor,4)Tenured?分類分析第二步：模型應(yīng)用分類器測試數(shù)據(jù)未知數(shù)據(jù)(Jeff,41分類分析舉例對信用卡持卡人的信譽進行分類分析記錄集合：持卡人的記錄集一組標記：良好、普通、較差；（信譽程度）先為每個持卡人賦予一個標記，即信譽等級對同類記錄（即同信譽等級的持卡人）的特征進行描述。例如，信譽良好的持卡人的特征為：收入在25000以上年齡在45-55之間居住在XYZ地區(qū)對同類記錄特征的描述（規(guī)則或模型）可用來分類新記錄分類分析舉例對信用卡持卡人的信譽進行分類分析42分類分析舉例顧客購物分類顧客屬性：姓名、年齡、收入、職業(yè)、信譽度為每個顧客賦予一個標記，即是否購買計算機按該標記將顧客分類，建立分類模型新來一個顧客，按分類模型識別該顧客是否屬于購買計算機類若顧客屬于購買計算機的類別，則將有關(guān)新的計算機的促銷材料分發(fā)給他分類分析舉例顧客購物分類43利用決策樹進行數(shù)據(jù)分類決策樹一個類似與流程圖的樹結(jié)構(gòu)內(nèi)部接點表示一個與屬性值相關(guān)的判斷邊表示判斷的結(jié)果每個葉節(jié)點是一個類別的標識利用決策樹進行數(shù)據(jù)分類決策樹44決策樹分類舉例：訓(xùn)練數(shù)據(jù)集決策樹分類舉例：訓(xùn)練數(shù)據(jù)集45決策樹分類舉例：計算屬性的熵類標號屬性buys_computer，有兩個不同值{yes,no}，有兩個類，類yes有9個樣本，類no有5個樣本決策樹分類舉例：計算屬性的熵類標號屬性46決策樹分類舉例：分枝age?overcast<=30>4030..40決策樹分類舉例：分枝age?overcast<=30>40347決策樹分類舉例：最終結(jié)果age?overcaststudent?creditrating?noyesfairexcellent<=30>40nonoyesyesyes30..40決策樹分類舉例：最終結(jié)果age?overcaststuden48由決策樹產(chǎn)生規(guī)則

IFage=“<=30”ANDstudent=“no”

THENbuys_computer=“no”

IFage=“<=30”ANDstudent=“yes”

THENbuys_computer=“yes”

IFage=“31…40”

THENbuys_computer=“yes”

IFage=“>40”ANDcredit_rating=“excellent”

THENbuys_computer=“no”

IFage=“>40”ANDcredit_rating=“fair”

THENbuys_computer=“yes”由決策樹產(chǎn)生規(guī)則 IFage=“<=30”ANDs493.關(guān)聯(lián)分析數(shù)據(jù)庫中的數(shù)據(jù)一般都存在著關(guān)聯(lián)關(guān)系，也就是說，兩個或多個變量的取值之間存在某種規(guī)律性。這種關(guān)聯(lián)關(guān)系有簡單關(guān)聯(lián)和時序關(guān)聯(lián)兩種。關(guān)聯(lián)分析的目的是找出數(shù)據(jù)庫中隱藏的關(guān)聯(lián)網(wǎng)，描述一組數(shù)據(jù)項目的密切度或關(guān)系。關(guān)聯(lián)模型的一個典型例子是市場菜籃分析,通過挖掘數(shù)據(jù)派生關(guān)聯(lián)規(guī)則，可以了解客戶的行為。3.關(guān)聯(lián)分析數(shù)據(jù)庫中的數(shù)據(jù)一般都存在著關(guān)聯(lián)關(guān)系，也就是說，兩50關(guān)聯(lián)分析（Associations）目的和含義目的：發(fā)現(xiàn)數(shù)據(jù)庫中數(shù)據(jù)間的相互關(guān)聯(lián)含義：給定一組數(shù)據(jù)項（例如：商品號）和一個交易集合（例如交易記錄），通過分析記錄集合，推導(dǎo)出數(shù)據(jù)項間的相關(guān)性（例如：在交易活動中商品間的相關(guān)性）基本形式給定：一組事務(wù)集每一個事務(wù)中包含若干個數(shù)據(jù)項挖掘:各個數(shù)據(jù)項之間的關(guān)聯(lián)例如,98%的顧客在購買電動剃須刀的同時會購買一些電池關(guān)聯(lián)分析（Associations）目的和含義514.聚類當要分析的數(shù)據(jù)缺乏描述信息，或者是無法組織成任何分類模式時，可以采用聚類分析。聚類分析是按照某種相近程度度量方法，將用戶數(shù)據(jù)分成一系列有意義的子集合。每一個集合中的數(shù)據(jù)性質(zhì)相近，不同集合之間的數(shù)據(jù)性質(zhì)相差較大。4.聚類當要分析的數(shù)據(jù)缺乏描述信息，或者是無法組織成任何分類52聚類分析（Clustering）含義聚類是把一組對象按照相似性歸成若干類別，即“物以類聚”。它的目的是使得屬于同一類別的個體之間的距離盡可能的小而不同類別上的個體間的距離盡可能的大。不同的聚類分析工具可以定義不同的規(guī)則集，從而相同的記錄集合可能有不同的劃分應(yīng)用市場或客戶分割、模式識別、基因分類、Web文檔分類等聚類分析（Clustering）含義53六、數(shù)據(jù)挖掘的主要方法1.決策樹2.相關(guān)規(guī)則3.神經(jīng)元網(wǎng)絡(luò)4.遺傳算法5.可視化、OLAP聯(lián)機分析處理等六、數(shù)據(jù)挖掘的主要方法1.決策樹541.決策樹決策樹是建立在信息論基礎(chǔ)之上，對數(shù)據(jù)進行分類的一種方法。首先，通過一批已知的訓(xùn)練數(shù)據(jù)建立一棵決策樹然后，利用建好的決策樹，對數(shù)據(jù)進行預(yù)測.例如：在金融領(lǐng)域中將貸款對象分為低貸款風險與高貸款風險兩類。通過決策樹，我們可以很容易地確定貸款申請者是屬于高風險的還是低風險的。

決策樹方法精確度比較高，結(jié)果容易理解，效率也比較高，因而比較常用。1.決策樹決策樹是建立在信息論基礎(chǔ)之上，對數(shù)據(jù)進行分類的一種552.神經(jīng)網(wǎng)絡(luò)神經(jīng)網(wǎng)絡(luò)建立在自學習的數(shù)學模型基礎(chǔ)之上?？梢詫Υ罅繌?fù)雜的數(shù)據(jù)進行分析，并可以完成對人腦或其他計算機來說極為復(fù)雜的模式抽取及趨勢分析。神經(jīng)網(wǎng)絡(luò)系統(tǒng)由一系列類似于人腦神經(jīng)元一樣的處理單元(節(jié)點)組成。這些節(jié)點通過網(wǎng)絡(luò)彼此互連，如果有數(shù)據(jù)輸入，它們便可以進行確定數(shù)據(jù)模式的工作。神經(jīng)網(wǎng)絡(luò)有相互連接的輸入層、中間層（或隱藏層）、輸出層組成。例如：我們可以指定輸入層為代表過去的銷售情況、價格及季節(jié)等因素，輸出層便可輸出判斷本季度的銷售情況的數(shù)據(jù)。2.神經(jīng)網(wǎng)絡(luò)神經(jīng)網(wǎng)絡(luò)建立在自學習的數(shù)學模型基礎(chǔ)之上?？梢詫Υ?63.相關(guān)規(guī)則相關(guān)規(guī)則是一種簡單卻很實用的關(guān)聯(lián)分析規(guī)則，它描述了一個事物中某些屬性同時出現(xiàn)的規(guī)律和模式。例如：超級市場中通過POS系統(tǒng)收集存儲了大量售貨數(shù)據(jù)，記錄了什么樣的顧客在什么時間購買了什么商品，這些數(shù)據(jù)中常常隱含著諸如：購買面包的顧客中有90%的人同時購買牛奶的相關(guān)規(guī)則。相關(guān)規(guī)則分析就是依據(jù)一定的可信度、支持度、期望可信度、作用度建立相關(guān)規(guī)則的。3.相關(guān)規(guī)則相關(guān)規(guī)則是一種簡單卻很實用的關(guān)聯(lián)分析規(guī)則，它描述574.遺傳算法遺傳算法是一種基于生物進化論和分子遺傳學的搜索優(yōu)化算法。它首先將問題的可能的解按某種形式進行編碼，編碼后的解稱為染色體；隨機選取N個染色體作為初始種群，再根據(jù)預(yù)定的評價函數(shù)對每個染色體計算適應(yīng)值，性能較好的染色體有較高的適應(yīng)值；選擇適應(yīng)值較高的染色體進行復(fù)制，并通過遺傳算子，產(chǎn)生一群新的更適應(yīng)環(huán)境的染色體，形成新的種群，直至最后收斂到一個最適應(yīng)環(huán)境的個體，得到問題的最優(yōu)化解。4.遺傳算法遺傳算法是一種基于生物進化論和分子遺傳學的搜索優(yōu)585.聯(lián)機分析處理聯(lián)機分析處理(OLAP)主要通過多維的方式來對數(shù)據(jù)進行分析、查詢和報表。它不同于傳統(tǒng)的聯(lián)機事物處理(OLTP)應(yīng)用。OLTP應(yīng)用主要是用來完成用戶的事務(wù)處理，通常要進行大量的更新操作，同時對響應(yīng)時間要求比較高。而OLAP應(yīng)用主要是對用戶當前及歷史數(shù)據(jù)進行分析，輔助領(lǐng)導(dǎo)決策。其典型的應(yīng)用有對銀行信用卡風險的分析與預(yù)測、公司市場營銷策略的制定等，主要是進行大量的查詢操作，對時間的要求不太嚴格。

5.聯(lián)機分析處理聯(lián)機分析處理(OLAP)主要通過多維的方式來596.數(shù)據(jù)可視化對大批量數(shù)據(jù)的展現(xiàn)也是數(shù)據(jù)挖掘的重要方面。數(shù)據(jù)可視化工具大大擴展了傳統(tǒng)商業(yè)圖形的能力，支持多維數(shù)據(jù)的可視化，從而提供了多方向同時進行數(shù)據(jù)分析的圖形方法。有些工具甚至提供動畫能力，使用戶可以“飛越”數(shù)據(jù)，觀看到數(shù)據(jù)不同層次的細節(jié)。6.數(shù)據(jù)可視化對大批量數(shù)據(jù)的展現(xiàn)也是數(shù)據(jù)挖掘的重要方面。60七、數(shù)據(jù)挖掘的主要應(yīng)用

金融數(shù)據(jù)挖掘在金融領(lǐng)域應(yīng)用廣泛，包括：金融市場分析和預(yù)測、帳戶分類、銀行擔保和信用評估等。市場業(yè)市場業(yè)應(yīng)用是利用數(shù)據(jù)挖掘技術(shù)進行市場定位和消費者分析，輔助制定市場策略。工程與科學研究數(shù)據(jù)挖掘技術(shù)可應(yīng)用于各種工程與科學數(shù)據(jù)分析。產(chǎn)品制造業(yè)制造業(yè)應(yīng)用數(shù)據(jù)挖掘技術(shù)進行零部件故障診斷、資源優(yōu)化、生產(chǎn)過程分析等。司法數(shù)據(jù)挖掘技術(shù)可應(yīng)用于案件調(diào)查、詐騙監(jiān)測、洗錢認證、犯罪組織分析等，可以給司法工作帶來巨大收益。七、數(shù)據(jù)挖掘的主要應(yīng)用金融61八、數(shù)據(jù)挖掘的主要工具

1.應(yīng)用于特定領(lǐng)域的專用數(shù)據(jù)挖掘工具2.應(yīng)用面較廣的通用數(shù)據(jù)挖掘工具。八、數(shù)據(jù)挖掘的主要工具1.應(yīng)用于特定領(lǐng)域的專用數(shù)據(jù)挖掘工具621.應(yīng)用于特定領(lǐng)域的專用數(shù)據(jù)挖掘工具專用數(shù)據(jù)挖掘工具針對某個特定領(lǐng)域的問題提供解決方案。在算法設(shè)計方面，充分考慮到數(shù)據(jù)、需求的特殊性，并進行優(yōu)化。例如：IBM公司的AdvancedScout系統(tǒng)，針對NBA數(shù)據(jù)，幫助教練優(yōu)化戰(zhàn)術(shù)組合、1.應(yīng)用于特定領(lǐng)域的專用數(shù)據(jù)挖掘工具專用數(shù)據(jù)挖掘工具針對某個632.應(yīng)用面較廣的通用數(shù)據(jù)挖掘工具通用數(shù)據(jù)挖掘工具處理常見的數(shù)據(jù)類型，采用通用的數(shù)據(jù)挖掘算法，提供較為通用的處理模式，如：分類模式、回歸模式、時間序列模式、聚類模式、關(guān)聯(lián)模式等。例如：IBM公司的QUEST系統(tǒng)、SGI公司的MineSet系統(tǒng)、加拿大SimonFraser大學的DBMiner、美國BusinessObjects公司的BusinessMiner系統(tǒng)、SAS公司的SASEM（EnterpriseMiner）系統(tǒng)等。2.應(yīng)用面較廣的通用數(shù)據(jù)挖掘工具通用數(shù)據(jù)挖掘工具處理常見的數(shù)64數(shù)據(jù)挖掘的發(fā)展目前，國內(nèi)外很多大學、研究機構(gòu)和公司都已經(jīng)在這個方面進行了實質(zhì)性的研究和產(chǎn)品開發(fā)。今后研究的焦點可能有：研究專門用于知識發(fā)現(xiàn)的數(shù)據(jù)挖掘語言；研究Internet上的數(shù)據(jù)挖掘方法；對各種非結(jié)構(gòu)化數(shù)據(jù)，如：文本數(shù)據(jù)、圖形圖象數(shù)據(jù)、多媒體數(shù)據(jù)的挖掘；研究數(shù)據(jù)挖掘與數(shù)據(jù)倉庫相結(jié)合的方式，數(shù)據(jù)挖掘與數(shù)據(jù)倉庫一體化的研究等。數(shù)據(jù)挖掘的發(fā)展目前，國內(nèi)外很多大學、研究機構(gòu)和公司都已經(jīng)在這657.3WEB數(shù)據(jù)挖掘一、Web挖掘的處理流程二、Web數(shù)據(jù)挖掘分類三、Web數(shù)據(jù)挖掘應(yīng)用前景7.3WEB數(shù)據(jù)挖掘一、Web挖掘的處理流程66Web挖掘指使用數(shù)據(jù)挖掘技術(shù)在WWW數(shù)據(jù)中發(fā)現(xiàn)潛在的、有用的模式或信息。與傳統(tǒng)數(shù)據(jù)和數(shù)據(jù)倉庫相比，Web上的信息是非結(jié)構(gòu)化或半結(jié)構(gòu)化的、動態(tài)的、并且是容易造成混淆的，所以很難直接以Web網(wǎng)頁上的數(shù)據(jù)進行數(shù)據(jù)挖掘，而必須經(jīng)過必要的數(shù)據(jù)處理Web挖掘指使用數(shù)據(jù)挖掘技術(shù)在WWW數(shù)據(jù)中發(fā)現(xiàn)潛在的、有用的67一、Web挖掘的處理流程1．查找資源2．信息選擇和預(yù)處理：從取得的Web資源中剔除無用信息和將信息進行必要的整理3．模式發(fā)現(xiàn)：自動進行模式發(fā)現(xiàn)?？梢栽谕粋€站點內(nèi)部或在多個站點之間進行。4．模式分析：驗證、解釋上一步驟產(chǎn)生的模式。可以是機器自動完成，也可以是與分析人員進行交互來完成。一、Web挖掘的處理流程1．查找資源68研究方向隨著Web技術(shù)的發(fā)展，基于Web技術(shù)的信息獲得（IR）、信息抽取(IE)得到了更多的重視。由于Web數(shù)據(jù)量非常大，而且可能動態(tài)變化，目前的研究方向是用自動化、半自動化的方法在Web上進行IR和IE。在Web環(huán)境下既要處理非結(jié)構(gòu)化文檔，又要處理半結(jié)構(gòu)化的數(shù)據(jù)，最近幾年在這兩方面都有相應(yīng)的研究成果和具體應(yīng)用，特別是在大型搜索引擎中得到了很好的應(yīng)用。研究方向隨著Web技術(shù)的發(fā)展，基于Web技術(shù)的信息獲得（I69二、Web數(shù)據(jù)挖掘分類1、Web內(nèi)容挖掘（WebContentmining）、2、Web結(jié)構(gòu)挖掘（Webstructuremining）、3、Web用法挖掘（WebusageMining）二、Web數(shù)據(jù)挖掘分類1、Web內(nèi)容挖掘（WebCon701、Web內(nèi)容挖掘從Web內(nèi)容/數(shù)據(jù)/文檔中發(fā)現(xiàn)有用信息Web內(nèi)容挖掘的對象包括文本、圖象、音頻、視頻、多媒體和其他各種類型的數(shù)據(jù)。針對無結(jié)構(gòu)化文本進行的Web挖掘被歸類到基于文本的知識發(fā)現(xiàn)（KDT）領(lǐng)域，也稱文本數(shù)據(jù)挖掘或文本挖掘，是Web挖掘中比較重要的技術(shù)領(lǐng)域，也引起了許多研究者的關(guān)注。最近在Web多媒體數(shù)據(jù)挖掘方面的研究成為另一個熱點。1、Web內(nèi)容挖掘從Web內(nèi)容/數(shù)據(jù)/文檔中發(fā)現(xiàn)有用信息711、Web內(nèi)容挖掘Web內(nèi)容挖掘一般從兩個不同的觀點來進行研究。從資源查找（IR）的觀點來看，Web內(nèi)容挖掘的任務(wù)是從用戶的角度出發(fā)，怎樣提高信息質(zhì)量和幫助用戶過濾信息。而從DB的角度講Web內(nèi)容挖掘的任務(wù)主要是試圖對Web上的數(shù)據(jù)進行集成、建模，以支持對Web數(shù)據(jù)的復(fù)雜查詢。1、Web內(nèi)容挖掘Web內(nèi)容挖掘一般從兩個不同的觀點來進行721．1從資源查找（InformationRetrival）的觀點挖掘非結(jié)構(gòu)化文檔非結(jié)構(gòu)化文檔主要指Web上的自由文本，包括小說、新聞等。在這方面的研究相對比較多一些，大部分研究都是建立在詞匯袋（bagofwords）或稱向量表示法（vectorrepresentation）的基礎(chǔ)上用資源查找的觀點挖掘半結(jié)構(gòu)化文檔：與非結(jié)構(gòu)化數(shù)據(jù)相比，Web上的半結(jié)構(gòu)化文檔挖掘指在加入了HTML、超連接等附加結(jié)構(gòu)的信息上進行挖掘，其應(yīng)用包括超連接文本的分類、聚類、發(fā)現(xiàn)文檔之間的關(guān)系、提出半結(jié)構(gòu)化文檔中的模式和規(guī)則等1．1從資源查找（InformationRetrival）731．2從數(shù)據(jù)庫（Database）的觀點挖掘非結(jié)構(gòu)化文檔數(shù)據(jù)庫技術(shù)應(yīng)用于Web挖掘主要是為了解決Web信息