数据仓库数据挖掘技术 第一章 概述.doc

第1章 数据挖掘和数据仓库概述 1.1数据挖掘引论 1.1.1数据挖掘的由来 1.1.2数据挖掘的定义 图1-1数据挖掘的过程 1. 确定业务对象 2. 数据准备 3. 数据挖掘 4. 结果分析与知识同化 1.1.3数据挖掘的功能 1. 概念描述 2. 关联分析 3. 分类与预测 4. 聚类分析 5. 偏差分析 1.1.4数据挖掘的常用方法 1. 聚类分析 2. 决策树 3. 人工神经网络 4. 粗糙集 5. 关联规则挖掘 6. 统计分析 1.2数据仓库引论 1.2.1数据仓库的产生与发展 1.2.2数据仓库的定义 1.2.3数据仓库与数据挖掘的联系与区别 1. 数据仓库与数据挖掘的联系 2. 数据仓库与数据挖掘的区别 1.3数据挖掘的应用 1.3.1数据挖掘的应用领域 1. 金融业 2. 保险业 3. 科学研究 4. 市场营销 5. 客户关系管理 6. 其他领域 1.3.2数据挖掘案例 1. 竞技运动中的数据挖掘 2. 超市中的数据挖掘 3. 站点访问量分析中的数据挖掘 4. 通过数据挖掘进行个性化服务 5. “体育精品”体育用品公司 1.4常用数据挖掘工具 1.4.1数据挖掘工具的种类 1. 按使用方式分类 2. 按数据挖掘技术分类 3. 按应用范围分类 1.4.2评价数据挖掘工具优劣的指标 1.4.3常用数据挖掘工具 1. SPSS 图1-2SPSS界面 2. SAS 图1-3SAS界面 3. SQL Sever 2005 图1-4Microsoft SQL Server 2005数据挖掘平台界面 4. Weka 图1-5Weka界面 5. MATLAB 图1-6MATLAB的界面 习题1 1. 数据挖掘技术涉及哪些技术领域？ 2. 数据挖掘的源数据是否必须是数据仓库的数据？可以有哪些来源？ 3. 数据挖掘的具体功能有哪些？ 4. 数据挖掘技术主要包含哪几种？ 5. 数据挖掘的过程包括哪些步骤，每一步具体包括哪些内容？ 6. 数据挖掘可以应用在哪些领域？ 7. 数据库与数据仓库的本质区别是什么？ 8. 举例说明数据挖掘与数据仓库的关系。 9. 举例说明数据挖掘从数据仓库中挖掘的信息有哪些？ 10. 搜索数据挖掘的应用实例。 11. 数据挖掘工具的主要指标有哪些？ 12. 常用数据挖掘工具有哪些？各有什么特点？ 1 数据结构(C++版) 数据仓库与数据挖掘技术 Ellipticity of elbow pipes with diameters less than or equal to 150 mm must be not greater than 8% diameter of 200 mm or less shall not be greater than 6%. Wall thickness of the pipe wall thinning rate must not exceed the original 15%. Crease roughness: diameter 125 mm or less, shall not exceed 3 mm diameter less than or equal to 200 mm, not more than 4 mm. 7.3.9 simmering bending production of square steel tube extension, to use the whole tube bending. Interface if necessary, the welding position should be located in the middle of the vertical arm. 7.3.10 install expansion joints should be done. If design is not required, pipe compensator lengthen should conform to the requirements in the following table: square scale length δ x is equal to 1/2. Pre stretch tolerance: casing + 5 mm, +10 mm. 7.3.11 pipe form, location, spacing shall meet the design and specifications. 7.3.12 piping on back or return pipe at higher levels of the upper to automatic valve to install a drain valve below