数据挖掘：简介及答疑.pdfVIP

数据挖掘：简介及答疑--第1页

数据挖掘

P什么是数据挖掘（概念）？

3

答：数据挖掘是指从大量数据中提取或“挖掘”知识；广义上讲数据挖掘是从存放在数据库、数据仓

库或其它信息库中的大量数据中发现有趣知识的过程。

什么是知识发现（KDD）？知识发现的步骤。

答：知识发现是所谓数据挖掘的一种更广义的说法，知识发现是从数据集中识别出有效的、新颖的、

潜在有用的，以及最终可理解的模式的非平凡过程。其步骤如下：

1)数据清理2)数据集成3)数据选择4)数据变换5)数据挖掘6)数据评估7)知识表现

P数据仓库，数据集市的概念及其区别。

8

答：数据仓库是一个从多个数据源收集的信息储存库，存放在一个一致的模式下，并且通常驻留在单

个站点，数据仓库是通过数据清理、数据变换、数据集成、数据装入和定期数据刷新过程来构造。

数据集市(DataMart)，也叫数据市场，是一个从操作的数据和其他的为某个特殊的专业人员团体服务

的数据源中收集数据的仓库。

数据仓库收集了跨部门的整个组织的主题信息，因此它是企业范围的；另一方面，数据集市是数据仓

库的一个部门子集，它聚焦在选定的主题上，是部门范围的。

P数据挖掘系统与数据库系统或数据仓库系统的集成方式（四种）及其优缺点。

22

数据挖掘（DM）系统设计的一个关键问题是如何将DM系统与数据库（DB）系统和/或数据仓库（DW）

系统集成或耦合。

.不耦合（nocoupling）：不耦合意味着DM系统不利用DB或DW系统的任何功能。它可能由特定的数据

源（如文件系统）提取数据，使用某些数据挖掘算法处理数据，然后再将挖掘结果存放到另一个文件中。

尽管这种系统简单，但有不少缺点。首先，DB系统在存储、组织、访问和处理数据方面提供了很大的灵活

性和有效性。不使用DB/DW系统，DM系统可能要花大量的时间查找、收集、清理和变换数据。在DB和/

或DW系统中，数据多半被很好地组织、索引、清理、集成或统一，使得找出任务相关的、高质量的数据

成为一项容易的任务。其次，有许多经过测试的、可伸缩的算法和数据结构在DB或DW系统中得到实现。

使用这种系统开发有效的、可伸缩的实现是可行的。

此外，大部分数据已经或将要存放在DB/DW系统中。要是没有任何这样的系统耦合，DM系统就需要使

用其他工具提取数据，使得很难将这种系统集成到信息处理环境中。因此，不耦合是一种很糟糕的设计。

数据挖掘：简介及答疑--第1页

数据挖掘：简介及答疑--第2页

.松散耦合（loosecoupling）：松散耦合意味着DM系统将使用DB或DW系统的某些设施，从这些系统管

理的数据库中提取数据，进行数据挖掘，然后将挖掘的结果存放到文件中，或者存放到数据库或数据仓库

的指定位置。

松散耦合比不耦合好，因为它可以使用查询处理、索引和其他系统设施提取存放在数据库或数据仓库

中数据的任意部分。这带来了这些系统提供的灵活性、有效性等优点。然而，许多松散耦合的挖掘系统是

基于内存的。由于挖掘本身不利用DB或DW提供的数据结构和查询优化方法，因此，对于大型数据集，松

散耦合系统很难获得高度可伸缩性和良好的性能。

.半紧密耦合（semitightcoupling）：半紧密耦合意味除了将DM系统连接到一个DB/DW系统之外，一

些基本数据挖掘原语（通过分析频繁遇到的数据挖掘功能确定）的有效实现可以在DB/DW系统中提供。这

些原语可能包括排序、索引、聚集、直方图分析、多路连接和一些基本的统计度量（如求和、计数、最大

值、最小值、标准差等）的预计算。