7数据仓库与数据挖掘.pptxVIP

下载本文档

2
0
约1.38千字
约 101页
2021-08-14 发布于河北
举报
版权申诉

7数据仓库与数据挖掘.pptx

1、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击这里二次下载。
3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
7、VIP文档为合作方或网友上传，每下载1次，网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档

1/101;2/101;3/101;4/101;5/101;6/101;7/101;8/101;9/101;10/101;11/101;12/101;13/101;14/101;15/101;16/101;17/101;18/101;19/101;20/101;21/101;第二节：数据仓库和数据挖掘的OLAP技术;23/101;24/101;25/101;26/101;27/101;28/101;29/101;30/101;31/101;32/101;33/101;34/101;35/101;36/101;为什么需要一个分离的数据仓库?;OLAP与OLTP对比总结;39/101;OLAP的几个基本概念;OLAP的几个基本概念;42/101;43/101;数据仓库的概念模型;45/101;46/101;47/101;48/101;49/101;50/101;51/101;52/101;53/101;54/101;55/101;早期细节数据存储过去的详细数据，反映真实的历史情况，这类数据随着时间增加，数据量很大，使用频率低，一般存储在转换介质中。（例如磁带中）当前细节数据存储最近时期的业务数据，反映当前业务的情况，数据量大，是数据仓库用户最感兴趣的部分。随着时间的推移，当前细节数据由数据仓库的时间控制机制转为早期细节数据。轻度综合数据从当前基本数据中提取出来，通常以较小的时间段（粒度）统计而成的数据，其数据量较细节及数据少得多。高度综合数据这一层的数据十分精炼，是一种准决策数据。;57/101;58/101;59/101;数据仓库的设计过程 (1);61/101;62/101;63/101;三种数据仓库模型;65/101;66/101;67/101;68/101;69/101;70/101;71/101;72/101;73/101;74/101;从联机分析处理到联机分析挖掘OLAM;联机分析挖掘的体系结构;77/101;78/101;79/101;80/101;81/101;82/101;83/101;84/101;规则度量：支持度和置信度;86/101;87/101;88/101;89/101;90/101;关联规则挖掘分类 (1);92/101;93/101;由事务数据库挖掘单维布尔关联规则;Apriori算法是挖掘产生布尔关联规则所需频繁项集的基本算法，它也是一个很有影响的关联规则挖掘算法。由Agrawal等人于1993年提出。 Apriori算法利用了一个层次顺序搜索的循环方法来完成频繁项集的挖掘工作。这一循环方法就是利用k-项集来产生(k+1)?项集。具体做法就是：首先，通过扫描数据集，产生一个大的候选数据项集,并计算每个候选数据项发生的次数，然后基于预先给定的最小支持度生成频繁1-项集的集合，该集合记作L1；然后基于L1和数据集中的数据，产生频繁2-项集L2；用同样的方法，直到生成频繁n-项集Ln，其中已不再可能生成满足最小支持度的（N+1）－项集。 Apriori算法由连接和剪枝两个步骤组成。最后，从大数据项集中导出规则。每挖掘一层，就需要扫描整个数据库一遍。;Apriori算法——示例;97/101;1st scan;最小支持计数：2;100/101;101/101