2007Fall资管所资料库系统专题-国立中山大学资讯管理学系.docVIP

2007 Fall資管所資料庫系統專題Final Project DBMS support of the Data Mining Advisor: 黃三益 博士 Student: D954020005 楊宗憲 D954020006 王士豪 二 目錄 TOC \o 1-3 \h \z \u 2007 Fall資管所資料庫系統專題 Final Project 1 1 Data Mining簡介 5 1.1 Data Mining 之定義 5 1.2 Data Mining進行的程序 6 1.3 為何使用Data Mining 8 2 Data Mining之相關演算法與功能 10 2.1 支援DM之演算法介紹 10 2.2 DM之主要用途 10 3 Data Mining SQL查詢語法 13 3.1 關聯法則探勘的幾種方案 13 3.1.1 MSQL 14 3.1.2 DMQL 15 3.1.3 OLE DB for DM 15 4 OLE DB for DM查詢語法實作技術 17 5 結論 19 6 感想 21 6.1 by 宗憲 21 6.2 by 士豪 22 圖目錄 TOC \h \z \c 圖 圖 1 Data Mining 之前置步驟 6 圖 2資料採礦進行的步驟 7 圖 3建立DM model 16 圖 4 Data Mining 在企業中之角色 19 表目錄 TOC \h \z \c 表 表 1 DM之應用軟體與工具 9 表 2不同演算法對於不同用途之支援 12  Data Mining簡介 Data Mining常有人稱之為「資料採礦」或「資料探勘」。顧名思義，就是在一大群資料(礦坑)中，找到我們所需要的資訊(礦)。更嚴謹地說，Data Mining是幫助我們在一大群資料中找出pattern，賦予原本雜亂無章的資料意義，進而從中歸納出理論，而這些理論必須要有助於我們解決問題，當pattern成為知識後將創造出更大的價值，目前有商業上很多的DBMS除了基本的資料庫管理之外，也紛紛添加了資料探勘的功能在其中，此外學術中更不乏有許多新的演算法提出，藉以改善資料探勘之效能，以下第一章將先針對Data Mining作一初步之簡介。 Data Mining 之定義 資料探勘所指的是在一個確定資料中有效的，可能有用的，並且最終能被理解使用的模式，資料採礦的過程是為要發現出有意義的樣型或規則，而必須從大量資料之中以自動或是半自動的方式來探索和分析Data。 資料探勘也是一種新的且不斷循環的決策支援分析過程，它能夠從組合在一起的資料中，發現出隱藏價值的知識，以提供給企業專業人員參考 基本上，Data Mining就是一種可以用來將你的資料中隱藏的資訊挖掘出來的技術，所以 Data Mining 其實是所謂的 Knowledge Discovery 的一部份，因此有些人也稱之為 KDD (Knowledge Discovery in Data)，此外知識探勘、知識挖掘、知識萃取甚至是企業智慧(Business Intelligence) 也是常見之說法。 Data Mining 使用了許多統計分析與 Modeling 的方法，在資料中尋找有用的特徵（Patterns）以及關連性（Relationships）。 Knowledge Discovery 的過程對 Data Mining 的應用成功與否有重要的影響，只有它才能確保 Data Mining 能獲得有意義的結果。 Data Mining進行的程序 Data Miming 的應用程式與工具是利用資料來建立一些模擬真實世界的模式（Model），利用這些模式來描述資料中的特徵（Patterns）以及關係（Relations)。這些模式有兩種用處，第一，瞭解資料的特徵與關係可以提供你做決策所需要的資訊。第二，資料的特徵可以幫助你做預測。 一開始時，我們並沒有任何的Model，等到資料輸入後，經過Data Mining工具的運算與訓練，建立出一個依據訓練資料模擬真實世界的Model，有了這一個Model後，再將需要進行預測的資料輸入測試，依據這一個Model，以Data Mining工具加以評估，預測出一筆資料，如此，便可依預測出的資料，進行後續的動作。 在進行Data Mining 之前上有許多的前置步驟如下圖1.，而最後需要專業領域人員的Interpretation / Evaluation，才能成為有用的知識。 1.進行資料倉儲 2.資料選擇與清除 3.任務選擇 4.選用Data Mining