数据挖掘在数据矿山中挖掘蕴藏的知识金块.pptVIP

数据挖掘 --在数据矿山中挖掘蕴藏的知识金块;*;腾讯鲜为人知的重武器之 --数据挖掘;腾讯鲜为人知的重武器之 --数据挖掘;腾讯鲜为人知的重武器之 --数据挖掘;腾讯鲜为人知的重武器之 --数据挖掘;*;*;*;求贤若渴之 --数据挖掘;求贤若渴之 --数据挖掘;求贤若渴之 --数据挖掘;*;时代背景; 一个中等规模的企业每天要生产100MB以上来自各生产经营等多方面的商业数据； 在科研方面，以美国宇航局的数据库为例，每天从卫星下载的数据量就达3~4TB之多，而为研究，这些数据至少要保持7年之久； 《纽约时报》由60年代的10-20版扩张至现在的100-200版，最高曾达1572版；《北京青年报》也已是16-40版，等。而在现实社会中，人均日阅读时间通常为30-45分钟，只能浏览一份24版的报纸。 据估计，1993年全球数据存储容量约为二千TB，到2000年增加到三百万TB，面对极度膨胀的数据信息量，人们受到“数据过剩”的巨大压力。;*;*;*;*;（一）数据仓库与OLAP;1.1 为什么要建立数据仓库？;*;*;*;数据仓库的关键特征;*;*;*;*;1.2 数据仓库模型？;*;*;*;*;*;*;*;*;星型模型示例;*;*;*;*;1.3 OLAP技术;*;OLAP的分析方法;*;*;*;*;*;*;*;（二）数据挖掘;2.1 为什么要进行数据挖掘？;实际需求的驱动;*;2.2 什么是数据挖掘？;*;数据挖掘的概念;2.3 常用的数据挖掘技术？;常用的数据挖掘技术;（1）分类;*;*;*;（2）聚类分析;*;*;*;（3）关联分析;（3）关联分析;（3）关联分析;*;（4）孤立点分析;（4）孤立点分析;2.3 数据挖掘的典型应用？;1）哪些商品放在一起会比较好卖;2）库存预测;3）股票预测;4）NBA教练的布阵;4）NBA教练的布阵;5）出了一个新成品，哪些老客户最可能购买;5）出了一个新成品，哪些老客户最可能购买;6）登录网站的当前用户现在最可能购买什么东西？;6）登录网站的当前用户现在最可能购买什么东西？;*;2.4 几个关系？;（1） DW与DM的关系？; 数据仓库：是一种存储技术，它能适应于不同用户对不同决策需要提供所需的数据和信息。 数据挖掘：研究各种方法和技术，从大量的数据中挖掘出有用的信息和知识。;*;*;2. OLAP与DM？; OLAP：假设验证。比如，一个分析师想找到什么原因导致了贷款拖欠，他可能先做一个初始的假定，认为低收入的人信用度也低，然后用OLAP来验证他这个假设。 DM：自动学习。比如，一个用数据挖掘工具的分析师想找到引起贷款拖欠的风险因素。数据挖掘工具可能帮他找到高负债和低收入是引起这个问题的因素，甚至还可能发现一些分析师从来没有想过或试过的其他因素，比如年龄。;*;*