第3单元 数据挖掘简介--补充.pptVIP

1 第二章：数据仓库及OLAP技术 数据仓库的概念？ 多维数据模型 数据仓库的系统结构 数据仓库实现 数据方技术的进一步发展 从数据仓库到数据挖掘 2 第二章：数据仓库及OLAP技术 数据仓库的概念 多维数据模型 数据仓库的系统结构 数据仓库实现 数据方技术的进一步发展 从数据仓库到数据挖掘 3 由表和电子数据表到数据立方体 数据仓库和OLAP建立在多维数据模型上，多维数据模型把数据看成数 据方的形式。 “什么是数据方？” 数据方允许以多维对数据建模和观察。它由维和事实定义。 维是透视或关于一个组织想要记录的实体。 每一个维都有一个表与之相关联。该表称为维表，它进一步描述维。 维表可以由用户或专家设定，或者根据数据分布自动产生和调整。 多维数据模型围绕中心主题（例如，sales）组织。该主题用事实表表示。 事实是数值度量的。 事实表包括事实的名称或度量，以及每个相关维表的关键字。 4 由表和电子数据表到数据立方体 在数据仓库中，数据方是n-D的。 表2.2:AllElectronics的销售数据按照维time,item的2-D视图。 其中销售是取自location=“Vancouver”的所有分店，所显示的度量是dollars_sold 5 由表和电子数据表到数据立方体 表2.3 Allelectronics销售数据的3-D视图 根据time,item,和location,所显示的度量是dollars_sold（单位：$1000） 6 由表和电子数据表到数据立方体 图2.1：表2.3数据的3-D数据方表示 维是time,item和location，所显示的度量为dollars_sold（单位：$1000） 13 由表和电子数据表到数据立方体 图2.2销售数据的4-D数据方表示 维是和time,item,location和supplier，所显示的度量为dollars_sold（单位：$1000） 7 8 由表和电子数据表到数据立方体 任意n-D数据方可以显示成(n-1)-D数据方的序列。 数据方是对多维数据存储的一种比喻，这种数据的实际物理存储不同于 它的逻辑表示。 数据方是n维的，而不限于3-D。 数据仓库研究界，每个数据方称作一个方体。 方体的格称作数据方。 9 由表和电子数据表到数据立方体 all time item location supplier time,item time,location time,supplier item,location item,supplier location,supplier time,item,location time,item,supplier time,location,supplier item,location,supplier 1-D 方体 2-D 方体 0-D(顶点）方体 3-D 方体 4-D(基本) 方体 time, item, location, supplier 图2.3方体格，形成维time,item,location和supplierr的4-D数据方。 每个方体代表一个不同的汇总 10 多维数据库模式 建立数据仓库模型：维与事实 星型模型: 中间是事实表，联机一组维表 雪花模式: 雪花模式是星型模式的变种，其中某 些维表示规范化的，而数据进一步分解到附加 的维表中，它的图形类似于雪花的形状 星座模式: 多个事实表共享维表，这种模式可 以看作星型模式集，因此称为星系模式或星座模式 11 星型模式的例子 图2.4：Sales数据仓库的星形模式 在星形模式中，每维只用一个表表示，每个表包含一组属性。 12 雪花模式的例子 图2.5 sales数据仓库的雪花模式 13 星座模式 图2.6 sales和shipping数据仓库的星座模式 14 多维数据库模式 在数据仓库中，数据仓库和数据集市是有区别的。 数据仓库收集了关于整个组织的主题（如顾客、商品、销售、资产和人员）信息，因此是企业范围的。 对于数据仓库，通常使用星座模式，因为它能对多个相关的主题建模。 数据集市是数据仓库的一个部门子集，它针对选定的主题，因此是部门范围的。 对于数据集市，流行星型或雪花模式，