决策支持系统数据挖掘概述.ppt

决策支持系统 —— 第四讲 决策支持的新技术 三 . 数据挖掘的优点与缺点 ? 1. 优点 （ 1 ）减少了用户的工作量。 （ 2 ）使用户得到意外的信息。 （ 3 ）对数据的迅速变化可作出快速 响应，以提供决策支持信息。 决策支持系统 —— 第四讲 决策支持的新技术 三 . 数据挖掘的优点与缺点 ? 2. 缺点 （ 1 ）对计算机的性能要求高。 （ 2 ）意外的信息不可靠。 （ 3 ）即使发现一个潜在的可以利用的关系， 其实际使用价值也可能不太明显。 决策支持系统 —— 第四讲 决策支持的新技术 4.2.2 数据挖掘基本过程与步骤 一 . 数据挖掘的基本过程 ? 1. 数据准备 （ 1 ）数据集成： 从操作型环境中提取并集成数据， 解决语义二义性问题。 （ 2 ）数据选择： 确定发现任务的操作对象； （ 3 ）数据预处理： 消除噪音、推导计算缺值数据、 完成数据类型的转换，削减数据维数或降维。 决策支持系统 —— 第四讲 决策支持的新技术 一 . 数据挖掘的基本过程 ? 2. 数据挖掘 （ 1 ）确定数据挖掘的任务或目的； （ 2 ）根据不同的数据的特点，用户和实际运行 系统的要求决定要使用的数据挖掘的算法； （ 3 ）实施数据挖掘，获取有用的模式。 决策支持系统 —— 第四讲 决策支持的新技术 一 . 数据挖掘的基本过程 ? 3. 数据表述与评价 （ 1 ）将获取的信息以便于用户理解和观察的方 式反映给用户； （ 2 ）用评价指标对获取的信息评价，发现不满 足用户需求的模式，并返回到 DM 的前面阶段， 重新实施 DM 。 决策支持系统 —— 第四讲 决策支持的新技术 二 . 进行数据挖掘的步骤 ? 1. 问题定义 ? 2. 发现信息 ? 3. 制定计划 ? 4. 采取行动 ? 5. 检测结果 决策支持系统 —— 第四讲 决策支持的新技术 4.2.3 数据挖掘的任务与挖掘方法 一 . 数据抽取： 对数据进行浓缩，给出它的紧 凑描述。 ? 1. 多维数据分析方法： 是一种数据仓库技 术，它把汇集操作结果预先计算并存贮起来， 供 DSS 使用。 ? 2. 面向对象的归纳方法： 对用户感兴趣的 数据视图进行泛化，从较高层次上总结了在 低层次上的原始关系。 决策支持系统 —— 第四讲 决策支持的新技术 二 . 分类发现 ? 分类的目的是学会一个分类函数或分类模 型（也常常称作分类器），该模型能把数据 库中的数据项映射到给定类别中的某一个。 ? 要构造分类器，需要有一个训练样本数据 集作为输入。 决策支持系统 —— 第四讲 决策支持的新技术 三 . 聚类 聚类是把一组个体按照相似性归成若干类别，即 “物以类聚”。它的目的是使同一类别的个体 之间的距离尽可能的小，而不同类别上的个体 间的距离尽可能的大。聚类方法包括统计方法、 机器学习方法、神经网络方法和面向数据库的 方法。 决策支持系统 —— 第四讲 决策支持的新技术 第一节 数据仓库技术 4.1.1 数据仓库的基本知识 4.1.2 数据仓库系统的结构 4.1.3 数据仓库的运行结构 4.1.4 数据集市的结构 决策支持系统 —— 第四讲 决策支持的新技术 第二节 数据挖掘技术 4.2.1 数据挖掘概述 4.2.2 数据挖掘基本过程与步骤 4.2.3 数据挖掘的任务与挖掘方法 4.2.4 数据挖掘与数据仓库的关系 决策支持系统 —— 第四讲 决策支持的新技术 第三节 联机分析处理技术 4.3.1 基本概念 4.3.2 OLAP 的数据组织 4.3.3 OLAP 的多维数据分析方法 4.3.4 OLAP 的发展 决策支持系统 —— 第四讲 决策支持的新技术 4.1.1 数据仓库的基本知识 一 . 从数据库到数据仓库 事务处理环境不适宜决策应用的主要原因： 1. 事务处理环境和分析处理的性能、特性不同 2. 数据集成问题 3. 数据动态集成问题 4. 历史数据问题 5. 数据的综合问题 6. 不同的使用对象 决策支持系统 —— 第四讲 决策支持的新技术 4.1.1 数据仓库的基本知识 二 . 数据仓库的概念 ? 1.W.H.Inmon 是面向主题的、集成的、稳定的、随时间变化的数 据集合，用于支持经营管理中的决策制定过程。 ? 面向主题 ? 集成 ? 稳定 ? 随时间变化 决策支持系统 —— 第四讲 决策支持的新技术 ? 2.SAS 软件研究所的观点 DB 数据 DW 数据 细节的 在存取时准确的 可更新的 操作需求事先可知道 事务驱动 面向应用 一次操作数据量小 支持日常操作 综合或提炼的 代保过去的数据 不更新 操作需求事先不知道 分析驱动 面向分析 一次操作数据量大 支持决策需求 决策支持系统 —— 第四讲 决策支持的新技术 ? 3.