2025年数据挖掘与数据仓库核心概念与技巧解析.pdfVIP

1、数据仓库定义：数据仓库是一种新的数据处埋体系构造，它与组织机构的操作数据库分别维护，容

将多种应用系统一起，为统一的历史数据分析提供坚实的平台，对信息处理提供支持。数据仓库是面

向主题的、集成的、相对稳定的、反应历史变化的数据集合，为企业决策支持系统提供所需的集成信

息。设计和构造环节：1）选用待建模的商务处理；2）选用商务处理的粒变；3）选用用于每个事实表

记录的维：4）选用事实表中每条记录的变量

系统构造：（1）底层是仓库数据服务器，总是关系数据库系统。（2）中间层是OLAP服务器，有

ROLAP和MOLAP,它将对多维数据的操作映射为原则的关系操作（3）顶层是前端客户端，它包括查

询和报表工具、分析工具和数据挖掘工具

2、数据仓库的多维数据模型：（1）星形模式：在此模型下，数据仓库包括一种大的包括大批数据并且

不含冗余的中心表，一组小的附属表，维表围绕中心事实表显示的射线上。特性：星型模型四面的实体

是维度实体，其作用是限制补过渡顾客的查询成果，缩小访问范围。每个维表均有自己的属性，维表和

事实表通过关键字有关联。【例子：sales数据仓库的星形模式，此模式包括一种中心事实表sales,它

包括四个维time,item,branch和location0

（2）雪花型模式：它是星形模式的变种，其中某些维表是规范化的，因而把数据深入分解到附加的表

中。特性：雪花模型通过最大程度地减少数据存储量和联合较小的维表来改善查询性能，增长「顾客必

须处理的表数量和某些查询的复杂性，但同步提高了处理的灵活性，可以回答更多的商业问题，尤其适

合系统的逐渐建设规定。【例子同上，只不过把其中的某些维给扩展了。

（3）事实星座形：复杂的应用也需要多种事实表共享维表，这种模式可看作星形模式的汇集。

特性：事实星座模型能对多种有关的主题建模。例子：有两个事实表sales和shipping,它们可以共享维

表time,item和location。

3、OLAP；即联机分析处理，是在OLTP基础上发展起来的、以数据仓库基础.上的、而向高层竺理人员

和专业分析人员、为企业决策支持服务。特点：1.实时性规定不是很高。2.数据量大。3.由于重点在于决

策支持，因此查询一般是动态的，也就是说容许顾客随机提出查询规定。

OLAP操作：上卷：通过沿一种维的概念层向上攀登，或者通过维归约，对数据立方体进行类聚。下

钻：是上卷的逆操作，它由不太详细的数据得到更详细的数据，下钻可以通过沿维的概念层向下或引

入附加的维来实现。切片：对给定方体的一种维进行进行选择，导致一种子立方体。切块：通过对两个

或多种维执行选择，定义子立方体。转轴：是一种可视化操作，它转动数据的视角，提供数据的替代表

达。

OLTP：即联机事务处理，是以老式数据库为基础、面向操作人员和低层管理人员、对基本数据进行查

询和增、删、改等的平常事务处理。OLTP的特点有：a.实时性规定高；b.数据量不是很大。C.交易一般

是确定的，是对确定性数据进行存取。d.并发性规定高且严格的规定事务的完整性，安全性。

OLTP和OLAP的区别：1）顾客和系统的面向性OLTP而向顾客，而OLAP面向市场；2）数据内容：

OLTP系统管理目前数据，而OLAP管理历史的数据；3）数据库设计：OLTP系统采用实体-联络E（R）

模型和面向应用的数据库设计，而OLAP系统一般采用星形和雪花模型：4）视图：OLTP系统垂耍关注

一种企业或部门内部的目前数据，而OLAP系统重要关注汇总的统一的数据：5）访问模式：OLTP访问

重要有短的原子事务构成，而OLAP系统的访问大部是只读澡作，尽管许多也许是复杂的查询。

7、PageRank算法原