第13章 Oracle的数据挖掘技术.pptVIP

* 五、Oracle数据挖掘应用 ODM开发过程 Oracle数据挖掘模块的开发过程主要由以下几个部分组成。 数据提取 在开发数据挖掘模块之前，客户方已经实施了一套infoplus实时数据库系统对生产设备的监控点的状态进行监控并把记录保存在数据库中，因此在开发数据挖掘模块的时候根据需要通过该软件提供的JDBC-ODBC接口从实时数据库的历史记录中提取出所需的数据。 数据清理 不完整的、含噪声的和不一致的数据是目前大型、现实世界数据库或者数据仓库中存在的共同问题。数据清理过程就是通过填写空缺的值，平滑噪声数据，识别、删除孤立点，并解决不一致的数据。 五、Oracle数据挖掘应用 数据转换 数据转换是将数据转换成适合于机器挖掘的格式。Oracle Data Mining关联规则模块所采用的算法是传统的Apriori算法，是对Oracle关系数据库中一张二进制表进行处理，在其中寻找出频繁项集，并最终产生出满足设定的阀值的强关联规则。因此，在数据转换的过程中，根据所取控制点数据与该点的极限值（最大值σmax、最小值σmin和最大的增量斜率的绝对值kmax）进行比较，从而以二进制数据显示出该点在该时刻所处的状态，并把所有的经过处理、转换的控制点数据存储在Oracle关系表中。 五、Oracle数据挖掘应用 数据挖掘 在应用ODM的过程中，首先根据已经进行的工作并对挖掘所需的模式、算法、数据规格等进行定义构建数据挖掘模型。 （1）连接数据挖掘服务器（DMS）。 （2）对输入的数据进行描述，主要是针对输入数据的组织形式和规格进行描述。 （3）对使用的数据挖掘模型和算法进行定义，用户可以通过Jsp页面与JavaBean连接ODM API，对相关的参数进行设定，如最小支持度、最小置信度以及最大关联长度等。 （4） 构建数据挖掘模型。 在模型构建完成之后即可以把模型提交给数据挖掘服务器进行处理。在数据挖掘服务器进行处理的过程中，可以通过调用数据挖掘任务模块来显示当前DMS所处状态。在DMS处理完成之后会显示Success状态。 五、Oracle数据挖掘应用 ODM开发案例 Oracle数据挖掘支持监督（supervised）和无监督（unsupervised）学习的数据挖掘。监督数据挖掘预测目标值根据历史数据。而无监督数据挖掘用于发现未知领域或不确定目标。 ODM函数 用于监督的函数有： Classification Regression Attribute Importance 用于无监督的函数有： Clustering Association Feature Extraction Anomaly Detection (one-class classification) 五、Oracle数据挖掘应用 开发实例 本节通过创建一个新的数据挖掘项目来学习ODM使用。可以利用现有的数据挖掘用户进行连接。 注：各版本的SQL Developer窗口的布局和内容可能与下面介绍的例子有所不同。 （1）要创建一个新的项目，选择“数据挖掘”选项卡，然后执行以下步骤： 选择Data Miner标签，然后连接上述创建的dmuser连接，如图13-13所示。 图13-13 Dmuser连接 五、Oracle数据挖掘应用 （2）双击dmuser连接然后选择新建项目“New Project”选项，如图13－14所示。 图13-14 新建项目 （3）在“Create Project”创建项目窗口中，输入“High Value”作为项目名称，然后单击“OK”确定按钮，如图13-15所示。 图13-15 建立项目名 五、Oracle数据挖掘应用 然后在新项目列表中出现下面的新建项目连接节点“High Value”，如图13-16所示。 图13-16 新建High Value项目 五、Oracle数据挖掘应用 （4）构建和运行一个分类模型 在这部分内容中，将介绍如何构建模型和预测基于性别的客户汇总数据。因此，需要指定一个分类模型。默认情况下，Oracle数据挖掘中选择一个分类模型的支持的所有算法。 这里，我们定义使用一个分类节点算法模型。然后，运行分类节点，以创建该模型。 首先，点击模型在组件面板中显示可用列表，如图13－17所示。 图13-17 模型列表 五、Oracle数据挖掘应用 （5）然后，将分类节点从右侧模型面板中拖到左侧工作流程窗口中，如图13-18所示。 图13-18 运行分类节点 （6） 节点拖放到工作流后。等待一会，一个“生成类”节点出现在工作流程中，如图13－19所示。 图13-19 生成类节点 五、Oracle数据挖掘应用 （7）然后应指定一个或多个属性的分类器构建过程，