數(shù)據(jù)庫系統(tǒng)原理數(shù)據(jù)挖掘與數(shù)據(jù)倉庫

1、數(shù)據(jù)庫系統(tǒng)原理第二部分第七章 數(shù)據(jù)挖掘與數(shù)據(jù)倉庫,,,7.1 數(shù)據(jù)倉庫概述7.2 數(shù)據(jù)挖掘技術(shù)7.3 WEB數(shù)據(jù)挖掘,7.1 數(shù)據(jù)倉庫概述,一、什么是數(shù)據(jù)倉庫二、DBMS與DWMS三、數(shù)據(jù)倉庫的系統(tǒng)結(jié)構(gòu)四、數(shù)據(jù)倉庫的工作過程,不同層次的信息處理需求,事務(wù)處理需求不同的事務(wù)處理子系統(tǒng)采購子系統(tǒng)：訂單、訂單細則、供應(yīng)商銷售子系統(tǒng)：顧客、銷售庫存子系統(tǒng)：出庫領(lǐng)料單、進料入庫單、庫存臺帳人事子系統(tǒng)：員工、部門各種事務(wù)

2、處理需求一筆訂購、一筆銷售、一次進料、一次出料要求強調(diào)多用戶并發(fā)環(huán)境，數(shù)據(jù)的一致性、完整性,不同層次的信息處理需求,分析處理需求今年銷售量下降的因素（時間、地區(qū)、商品、銷售部門）某種商品今年的銷售情況與以往相比，有怎樣的變化？每年的第一季度商品銷售在各類商品上的分布情況怎樣？要求多個子系統(tǒng)中的數(shù)據(jù)（數(shù)據(jù)集成）歷史數(shù)據(jù)匯總、綜合的數(shù)據(jù),從數(shù)據(jù)庫到數(shù)據(jù)倉庫,事務(wù)處理與分析處理的性能特性不同事務(wù)處理環(huán)境數(shù)據(jù)存取操作頻率高

3、每次操作處理的時間短占用系統(tǒng)資源少系統(tǒng)可以允許多個用戶按分時方式使用資源，保持較短的響應(yīng)時間分析處理環(huán)境運行時間長消耗大量系統(tǒng)資源事務(wù)與分析應(yīng)用不宜放在同一中環(huán)境中,從數(shù)據(jù)庫到數(shù)據(jù)倉庫,數(shù)據(jù)集成問題事務(wù)處理目的是使業(yè)務(wù)自動化只關(guān)注與本部門業(yè)務(wù)相關(guān)的當前數(shù)據(jù)事務(wù)處理應(yīng)用的分散：企業(yè)內(nèi)部各事務(wù)處理應(yīng)用間相互獨立DSS需要集成的數(shù)據(jù)（內(nèi)部各部門數(shù)據(jù)、外部數(shù)據(jù)、競爭對手數(shù)據(jù)）DSS需要對分散在各個事務(wù)處理應(yīng)用中的相關(guān)

4、數(shù)據(jù)進行集成，以向分析人員提供統(tǒng)一的數(shù)據(jù)視圖,從數(shù)據(jù)庫到數(shù)據(jù)倉庫,數(shù)據(jù)動態(tài)集成問題每次分析都進行數(shù)據(jù)集成的開銷太大靜態(tài)集成開始對所需數(shù)據(jù)進行集成，以后就一直以這部分數(shù)據(jù)作為分析的基礎(chǔ)，不再與數(shù)據(jù)源發(fā)生聯(lián)系如果數(shù)據(jù)源發(fā)生了變化，這些變化不能反映到集成數(shù)據(jù)中，導致決策者使用的是過時的數(shù)據(jù)動態(tài)集成集成數(shù)據(jù)必須以一定的周期進行刷新事務(wù)處理系統(tǒng)不具備動態(tài)集成的能力,數(shù)據(jù)倉庫的定義,數(shù)據(jù)倉庫是一個面向主題的（Subject Orien

5、ted），集成的（Integrated），相對穩(wěn)定的（Nonvolatile），反映歷史變化的（time Variant）數(shù)據(jù)集合。用于支持管理決策,一、什么是數(shù)據(jù)倉庫,數(shù)據(jù)倉庫技術(shù)所要研究和解決的問題就是從OLTP系統(tǒng)、異構(gòu)分散的外部數(shù)據(jù)源、脫機的歷史業(yè)務(wù)數(shù)據(jù)中獲取數(shù)據(jù)，處理后為數(shù)據(jù)分析和管理決策提供應(yīng)用服務(wù) 。數(shù)據(jù)倉庫就是面向主題的、集成的、不可更新的(穩(wěn)定性)隨時間不斷變化（不同時間）的數(shù)據(jù)集合，用以支持經(jīng)營管理中的決策制定過程

6、。,,,二、 DBMS與DWMS,OLTP主要用來完成基礎(chǔ)業(yè)務(wù)數(shù)據(jù)的增、刪、改等操作 ,對響應(yīng)時間要求比較高，強調(diào)的是密集數(shù)據(jù)更新處理的性能和系統(tǒng)的可靠性及效率 OLAP應(yīng)用是對用戶當前及歷史數(shù)據(jù)進行分析、輔助領(lǐng)導決策，主要通過多維數(shù)據(jù)的查詢、旋轉(zhuǎn)、鉆取和切片等關(guān)鍵技術(shù)對數(shù)據(jù)進行分析和報表。,三、數(shù)據(jù)倉庫的系統(tǒng)結(jié)構(gòu)與相關(guān)問題,四、數(shù)據(jù)倉庫的工作過程,1.數(shù)據(jù)的抽取2.數(shù)據(jù)的存儲和管理3.數(shù)據(jù)的展現(xiàn)等,1.數(shù)據(jù)的抽取,數(shù)據(jù)的抽取是數(shù)

7、據(jù)進入倉庫的入口。由于數(shù)據(jù)倉庫是一個獨立的數(shù)據(jù)環(huán)境，它需要通過抽取過程將數(shù)據(jù)從聯(lián)機事務(wù)處理系統(tǒng)、外部數(shù)據(jù)源、脫機的數(shù)據(jù)存儲介質(zhì)中導入數(shù)據(jù)倉庫。數(shù)據(jù)抽取在技術(shù)上主要涉及互連、復(fù)制、增量、轉(zhuǎn)換、調(diào)度和監(jiān)控等幾個方面的處理。在數(shù)據(jù)抽取方面，未來的技術(shù)發(fā)展將集中在系統(tǒng)功能集成化方面，以適應(yīng)數(shù)據(jù)倉庫本身或數(shù)據(jù)源的變化，使系統(tǒng)更便于管理和維護。,2.數(shù)據(jù)的存儲和管理,數(shù)據(jù)倉庫的組織管理方式?jīng)Q定了它有別于傳統(tǒng)數(shù)據(jù)庫的特性，也決定了其對外部數(shù)據(jù)的

8、表現(xiàn)形式。數(shù)據(jù)倉庫管理所涉及的數(shù)據(jù)量比傳統(tǒng)事務(wù)處理大得多，且隨時間的推移而快速累積。在數(shù)據(jù)倉庫的數(shù)據(jù)存儲和管理中需要解決的是如何管理大量的數(shù)據(jù)、如何并行處理大量的數(shù)據(jù)、如何優(yōu)化查詢等。目前，許多數(shù)據(jù)庫廠家提供的技術(shù)解決方案是擴展關(guān)系型數(shù)據(jù)庫的功能，將普通關(guān)系數(shù)據(jù)庫改造成適合擔當數(shù)據(jù)倉庫的服務(wù)器。,3.數(shù)據(jù)的展現(xiàn),在數(shù)據(jù)展現(xiàn)方面主要的方式有：查詢：實現(xiàn)預(yù)定義查詢、動態(tài)查詢、OLAP查詢與決策支持智能查詢；報表：產(chǎn)生關(guān)系數(shù)據(jù)表格、

9、復(fù)雜表格、OLAP表格、報告以及各種綜合報表；可視化：用易于理解的點線圖、直方圖、餅圖、網(wǎng)狀圖、交互式可視化、動態(tài)模擬、計算機動畫技術(shù)表現(xiàn)復(fù)雜數(shù)據(jù)及其相互關(guān)系；統(tǒng)計：進行平均值、最大值、最小值、期望、方差、匯總、排序等各種統(tǒng)計分析；挖掘：利用數(shù)據(jù)挖掘等方法，從數(shù)據(jù)中得到關(guān)于數(shù)據(jù)關(guān)系和模式的知識。,7.2 數(shù)據(jù)挖掘技術(shù),一、問題的提出二、什么是數(shù)據(jù)挖掘三、數(shù)據(jù)挖掘的環(huán)境四、數(shù)據(jù)挖掘的主要步驟五、數(shù)據(jù)挖掘的主要任務(wù)六、數(shù)據(jù)挖

10、掘的主要方法七、數(shù)據(jù)挖掘的主要應(yīng)用八、數(shù)據(jù)挖掘的主要工具,一、問題的提出,一方面規(guī)模龐大、紛繁復(fù)雜的數(shù)據(jù)體系讓使用者漫無頭緒、無從下手；另一方面在這些大量數(shù)據(jù)的背后卻隱藏著很多具有決策意義的有價值的信息。如何發(fā)現(xiàn)這些有用的知識，使之為管理決策和經(jīng)營戰(zhàn)略發(fā)展服務(wù)？-數(shù)據(jù)挖掘（Data Mining）。,一個廣為流傳的數(shù)據(jù)挖掘例子,美國加州某個超市連鎖店通過數(shù)據(jù)挖掘從記錄著每天銷售和顧客基本情況的數(shù)據(jù)庫中發(fā)現(xiàn):在下班后前來購買嬰

11、兒尿布的顧客多數(shù)是男性，他們往往也同時購買啤酒。于是這個連鎖店的經(jīng)理當機立斷地重新布置了貨架，把啤酒類商品布置在嬰兒尿布貨架附近，并在二者之間放上土豆片之類的佐酒小食品，同時把男士們需要的日常生活用品也就近布置。這樣一來，上述幾種商品的銷量幾乎馬上成倍增長。,二、什么是數(shù)據(jù)挖掘,數(shù)據(jù)挖掘是一個利用各種分析方法和分析工具在大規(guī)模海量數(shù)據(jù)中建立模型和發(fā)現(xiàn)數(shù)據(jù)間關(guān)系的過程 這些模型和關(guān)系可以用來做出決策和預(yù)測。支持大規(guī)模數(shù)據(jù)分析的方法和

12、過程，選擇或者建立一種適合數(shù)據(jù)挖掘應(yīng)用的數(shù)據(jù)環(huán)境是數(shù)據(jù)挖掘研究的重要課題之一 數(shù)據(jù)挖掘是一門交叉學科，會聚了數(shù)據(jù)庫、人工智能、統(tǒng)計學、可視化、并行計算等不同學科和領(lǐng)域,三、數(shù)據(jù)挖掘的環(huán)境,合理而科學的數(shù)據(jù)環(huán)境是確保數(shù)據(jù)挖掘有效和正確實施的基礎(chǔ)和關(guān)鍵。數(shù)據(jù)挖掘?qū)Υ罅繑?shù)據(jù)的探索式分析的起點是聯(lián)機分析處理（OLAP）。 需要支持OLAP數(shù)據(jù)系統(tǒng)與OLTP數(shù)據(jù)系統(tǒng)的分離，需要服務(wù)于數(shù)據(jù)挖掘總體目標的數(shù)據(jù)再組織，需要有單獨的數(shù)據(jù)分析和數(shù)據(jù)處

13、理環(huán)境。 數(shù)據(jù)倉庫正是為了構(gòu)建這種新的分析處理環(huán)境而出現(xiàn)的一種數(shù)據(jù)存儲和組織技術(shù)產(chǎn)品。,四、數(shù)據(jù)挖掘的主要步驟,1、數(shù)據(jù)搜集2、數(shù)據(jù)整理3、數(shù)據(jù)挖掘4、數(shù)據(jù)挖掘結(jié)果的評估5、分析決策,1.數(shù)據(jù)搜集,大量全面豐富的數(shù)據(jù)是數(shù)據(jù)挖掘的前提，沒有數(shù)據(jù)，數(shù)據(jù)挖掘也就無從作起。因此，數(shù)據(jù)收集是數(shù)據(jù)挖掘的首要步驟。數(shù)據(jù)可以來自于現(xiàn)有事務(wù)處理系統(tǒng)，也可以從數(shù)據(jù)倉庫中得到。,2.數(shù)據(jù)整理,數(shù)據(jù)整理是數(shù)據(jù)挖掘的必要環(huán)節(jié)。由數(shù)據(jù)收集階段得到的

14、數(shù)據(jù)可能有一定的“污染”，表現(xiàn)在數(shù)據(jù)可能存在自身的不一致性，或者有缺失數(shù)據(jù)的存在等;因此數(shù)據(jù)的整理是必須的。同時，通過數(shù)據(jù)整理，可以對數(shù)據(jù)做簡單的泛化處理，從而在原始數(shù)據(jù)的基礎(chǔ)之上得到更為豐富的數(shù)據(jù)信息，進而便于下一步數(shù)據(jù)挖掘的順利進行。,3.數(shù)據(jù)挖掘,利用各種數(shù)據(jù)挖掘方法對數(shù)據(jù)進行分析。,4.數(shù)據(jù)挖掘結(jié)果的評估,數(shù)據(jù)挖掘的結(jié)果有些是有實際意義的，而有些是沒有實際意義的，或是與實際情況相違背的，這就需要進行評估。評估可以根據(jù)用戶多

15、年的經(jīng)驗，也可以直接用實際數(shù)據(jù)來驗證模型的正確性，進而調(diào)整挖掘模型，不斷重復(fù)進行數(shù)據(jù)挖掘。,5.分析決策,數(shù)據(jù)挖掘的最終目的是輔助決策。決策者可以根據(jù)數(shù)據(jù)挖掘的結(jié)果，結(jié)合實際情況，調(diào)整競爭策略等。　 總之，數(shù)據(jù)挖掘過程需要多次的循環(huán)反復(fù)，才有可能達到預(yù)期的效果,五、數(shù)據(jù)挖掘的主要任務(wù),1.數(shù)據(jù)總結(jié)2.分類3.關(guān)聯(lián)分析4.聚類,1.數(shù)據(jù)總結(jié),數(shù)據(jù)總結(jié)目的是對數(shù)據(jù)進行濃縮，給出它的總體綜合描述。傳統(tǒng)的也是最簡單的數(shù)據(jù)總

16、結(jié)方法利用統(tǒng)計學中的方法計算出數(shù)據(jù)庫的各個數(shù)據(jù)項的總和、平均、方差、最大值、最小值等基本描述統(tǒng)計量?；蛘咄ㄟ^利用統(tǒng)計圖形工具，對數(shù)據(jù)制作直方圖、餅狀圖等。利用OLAP技術(shù)實現(xiàn)數(shù)據(jù)的多維查詢也是一種廣泛使用的數(shù)據(jù)總結(jié)的方法。,2.分類,分類的主要功能是學會一個分類函數(shù)或分類模型（也常常稱作分類器），該模型能夠根據(jù)數(shù)據(jù)的屬性將數(shù)據(jù)分派到不同的組中。分類應(yīng)用的實例很多。例如，我們可以將銀行網(wǎng)點分為好、一般和較差三種類型，并以此分析這三種類

17、型銀行網(wǎng)點的各種屬性，特別是位置、盈利情況等屬性，并決定它們分類的關(guān)鍵屬性及相互間關(guān)系。此后就可以根據(jù)這些關(guān)鍵屬性對每一個預(yù)期的銀行網(wǎng)點進行分析，以便決定預(yù)期銀行網(wǎng)點屬于哪一種類型。,分類分析（Classifiers）,含義有一個記錄集合和一組標記，標記用以標識記錄的類別先為每個記錄賦予一個標記（按標記對記錄分類）對同類記錄的特征進行描述顯式描述：例如，一組規(guī)則定義隱式描述：例如，一個數(shù)學模型或公式分類具有極其廣泛的應(yīng)用分

18、類常用于預(yù)測醫(yī)療診斷、性能預(yù)測、選擇購物、信譽證實等,分類分析的兩個步驟,構(gòu)建模型:對預(yù)先確定的類別給出相應(yīng)的描述先假設(shè)一個元組（或樣本）集合中的每一個元組（或樣本）屬于預(yù)先定義的某一個類別，由一個類標號屬性(class label attribute)來確定這些元組（或樣本）的集合稱為訓練集，用于構(gòu)建模型；由于提供了每個訓練樣本的類標號，稱作有指導的學習最終的模型用決策樹、分類規(guī)則或者數(shù)學公式等來表示模型應(yīng)用: 對未知的數(shù)據(jù)

19、對象進行分類,分類分析第一步：構(gòu)建模型,分類分析第二步：模型應(yīng)用,分類分析舉例,對信用卡持卡人的信譽進行分類分析記錄集合： 持卡人的記錄集一組標記：良好、普通、較差；（信譽程度）先為每個持卡人賦予一個標記，即信譽等級對同類記錄（即同信譽等級的持卡人）的特征進行描述。例如，信譽良好的持卡人的特征為：收入在25000以上年齡在45-55之間居住在XYZ地區(qū)對同類記錄特征的描述（規(guī)則或模型）可用來分類新記錄,分類分析舉例,顧客

20、購物分類顧客屬性：姓名、年齡、收入、職業(yè)、信譽度為每個顧客賦予一個標記，即是否購買計算機按該標記將顧客分類，建立分類模型新來一個顧客，按分類模型識別該顧客是否屬于購買計算機類若顧客屬于購買計算機的類別，則將有關(guān)新的計算機的促銷材料分發(fā)給他,利用決策樹進行數(shù)據(jù)分類,決策樹一個類似與流程圖的樹結(jié)構(gòu)內(nèi)部接點表示一個與屬性值相關(guān)的判斷邊表示判斷的結(jié)果每個葉節(jié)點是一個類別的標識,決策樹分類舉例：訓練數(shù)據(jù)集,決策樹分類舉例：計算屬

21、性的熵,類標號屬性buys_computer，有兩個不同值{yes,no}，有兩個類，類yes有9個樣本，類no有5個樣本,決策樹分類舉例：分枝,age?,overcast,,,,<=30,>40,,30..40,決策樹分類舉例：最終結(jié)果,由決策樹產(chǎn)生規(guī)則,IF age = “40” AND credit_rating = “excellent” THEN buys_computer = “no”IF age

22、= “>40” AND credit_rating = “fair” THEN buys_computer = “yes”,3.關(guān)聯(lián)分析,數(shù)據(jù)庫中的數(shù)據(jù)一般都存在著關(guān)聯(lián)關(guān)系，也就是說，兩個或多個變量的取值之間存在某種規(guī)律性。這種關(guān)聯(lián)關(guān)系有簡單關(guān)聯(lián)和時序關(guān)聯(lián)兩種。關(guān)聯(lián)分析的目的是找出數(shù)據(jù)庫中隱藏的關(guān)聯(lián)網(wǎng)，描述一組數(shù)據(jù)項目的密切度或關(guān)系。關(guān)聯(lián)模型的一個典型例子是市場菜籃分析,通過挖掘數(shù)據(jù)派生關(guān)聯(lián)規(guī)則，可以了解客戶的行為。,

23、關(guān)聯(lián)分析（Associations）,目的和含義目的：發(fā)現(xiàn)數(shù)據(jù)庫中數(shù)據(jù)間的相互關(guān)聯(lián)含義：給定一組數(shù)據(jù)項（例如：商品號）和一個交易集合（例如交易記錄），通過分析記錄集合，推導出數(shù)據(jù)項間的相關(guān)性（例如：在交易活動中商品間的相關(guān)性）基本形式給定：一組事務(wù)集每一個事務(wù)中包含若干個數(shù)據(jù)項挖掘:各個數(shù)據(jù)項之間的關(guān)聯(lián)例如, 98% 的顧客在購買電動剃須刀的同時會購買一些電池,4.聚類,當要分析的數(shù)據(jù)缺乏描述信息，或者是無法組織成任何

24、分類模式時，可以采用聚類分析。聚類分析是按照某種相近程度度量方法，將用戶數(shù)據(jù)分成一系列有意義的子集合。每一個集合中的數(shù)據(jù)性質(zhì)相近，不同集合之間的數(shù)據(jù)性質(zhì)相差較大。,聚類分析（Clustering）,含義聚類是把一組對象按照相似性歸成若干類別，即“物以類聚”。它的目的是使得屬于同一類別的個體之間的距離盡可能的小而不同類別上的個體間的距離盡可能的大。不同的聚類分析工具可以定義不同的規(guī)則集，從而相同的記錄集合可能有不同的劃分應(yīng)用市場

25、或客戶分割、模式識別、基因分類、Web文檔分類等,六、數(shù)據(jù)挖掘的主要方法,1.決策樹2.相關(guān)規(guī)則3.神經(jīng)元網(wǎng)絡(luò)4.遺傳算法5.可視化、OLAP聯(lián)機分析處理等,1.決策樹,決策樹是建立在信息論基礎(chǔ)之上，對數(shù)據(jù)進行分類的一種方法。首先，通過一批已知的訓練數(shù)據(jù)建立一棵決策樹然后，利用建好的決策樹，對數(shù)據(jù)進行預(yù)測.例如：在金融領(lǐng)域中將貸款對象分為低貸款風險與高貸款風險兩類。通過決策樹，我們可以很容易地確定貸款申請者是屬于高風險的還

26、是低風險的。　　 決策樹方法精確度比較高，結(jié)果容易理解，效率也比較高，因而比較常用。,2.神經(jīng)網(wǎng)絡(luò),神經(jīng)網(wǎng)絡(luò)建立在自學習的數(shù)學模型基礎(chǔ)之上?？梢詫Υ罅繌?fù)雜的數(shù)據(jù)進行分析，并可以完成對人腦或其他計算機來說極為復(fù)雜的模式抽取及趨勢分析。神經(jīng)網(wǎng)絡(luò)系統(tǒng)由一系列類似于人腦神經(jīng)元一樣的處理單元(節(jié)點)組成。這些節(jié)點通過網(wǎng)絡(luò)彼此互連，如果有數(shù)據(jù)輸入，它們便可以進行確定數(shù)據(jù)模式的工作。神經(jīng)網(wǎng)絡(luò)有相互連接的輸入層、中間層（或隱藏層）、輸出層組成

27、。例如：我們可以指定輸入層為代表過去的銷售情況、價格及季節(jié)等因素，輸出層便可輸出判斷本季度的銷售情況的數(shù)據(jù)。,3.相關(guān)規(guī)則,相關(guān)規(guī)則是一種簡單卻很實用的關(guān)聯(lián)分析規(guī)則，它描述了一個事物中某些屬性同時出現(xiàn)的規(guī)律和模式。例如：超級市場中通過POS系統(tǒng)收集存儲了大量售貨數(shù)據(jù)，記錄了什么樣的顧客在什么時間購買了什么商品，這些數(shù)據(jù)中常常隱含著諸如：購買面包的顧客中有90%的人同時購買牛奶的相關(guān)規(guī)則。相關(guān)規(guī)則分析就是依據(jù)一定的可信度、支持度、期望

28、可信度、作用度建立相關(guān)規(guī)則的。,4.遺傳算法,遺傳算法是一種基于生物進化論和分子遺傳學的搜索優(yōu)化算法。它首先將問題的可能的解按某種形式進行編碼，編碼后的解稱為染色體；隨機選取N個染色體作為初始種群，再根據(jù)預(yù)定的評價函數(shù)對每個染色體計算適應(yīng)值，性能較好的染色體有較高的適應(yīng)值；選擇適應(yīng)值較高的染色體進行復(fù)制，并通過遺傳算子，產(chǎn)生一群新的更適應(yīng)環(huán)境的染色體，形成新的種群，直至最后收斂到一個最適應(yīng)環(huán)境的個體，得到問題的最優(yōu)化解。,5.聯(lián)機分析

29、處理,聯(lián)機分析處理(OLAP)主要通過多維的方式來對數(shù)據(jù)進行分析、查詢和報表。它不同于傳統(tǒng)的聯(lián)機事物處理(OLTP)應(yīng)用。OLTP應(yīng)用主要是用來完成用戶的事務(wù)處理，通常要進行大量的更新操作，同時對響應(yīng)時間要求比較高。而OLAP應(yīng)用主要是對用戶當前及歷史數(shù)據(jù)進行分析，輔助領(lǐng)導決策。其典型的應(yīng)用有對銀行信用卡風險的分析與預(yù)測、公司市場營銷策略的制定等，主要是進行大量的查詢操作，對時間的要求不太嚴格。,6.數(shù)據(jù)可視化,對大批量數(shù)據(jù)的展

30、現(xiàn)也是數(shù)據(jù)挖掘的重要方面。數(shù)據(jù)可視化工具大大擴展了傳統(tǒng)商業(yè)圖形的能力，支持多維數(shù)據(jù)的可視化，從而提供了多方向同時進行數(shù)據(jù)分析的圖形方法。有些工具甚至提供動畫能力，使用戶可以“飛越”數(shù)據(jù)，觀看到數(shù)據(jù)不同層次的細節(jié)。,七、數(shù)據(jù)挖掘的主要應(yīng)用,金融數(shù)據(jù)挖掘在金融領(lǐng)域應(yīng)用廣泛，包括：金融市場分析和預(yù)測、帳戶分類、銀行擔保和信用評估等。市場業(yè)市場業(yè)應(yīng)用是利用數(shù)據(jù)挖掘技術(shù)進行市場定位和消費者分析，輔助制定市場策略。 工程與科學研究數(shù)據(jù)挖

31、掘技術(shù)可應(yīng)用于各種工程與科學數(shù)據(jù)分析。產(chǎn)品制造業(yè)制造業(yè)應(yīng)用數(shù)據(jù)挖掘技術(shù)進行零部件故障診斷、資源優(yōu)化、生產(chǎn)過程分析等。 司法數(shù)據(jù)挖掘技術(shù)可應(yīng)用于案件調(diào)查、詐騙監(jiān)測、洗錢認證、犯罪組織分析等，可以給司法工作帶來巨大收益。,八、數(shù)據(jù)挖掘的主要工具,1.應(yīng)用于特定領(lǐng)域的專用數(shù)據(jù)挖掘工具2.應(yīng)用面較廣的通用數(shù)據(jù)挖掘工具。,1.應(yīng)用于特定領(lǐng)域的專用數(shù)據(jù)挖掘工具,專用數(shù)據(jù)挖掘工具針對某個特定領(lǐng)域的問題提供解決方案。在算法設(shè)計方面，充分考慮

32、到數(shù)據(jù)、需求的特殊性，并進行優(yōu)化。例如：IBM公司的Advanced Scout系統(tǒng)，針對NBA數(shù)據(jù)，幫助教練優(yōu)化戰(zhàn)術(shù)組合、,2.應(yīng)用面較廣的通用數(shù)據(jù)挖掘工具,通用數(shù)據(jù)挖掘工具處理常見的數(shù)據(jù)類型，采用通用的數(shù)據(jù)挖掘算法，提供較為通用的處理模式，如：分類模式、回歸模式、時間序列模式、聚類模式、關(guān)聯(lián)模式等。例如：IBM公司的QUEST系統(tǒng)、SGI公司的MineSet系統(tǒng)、加拿大Simon Fraser大學的DBMiner、美國Busin

33、ess Objects公司的Business Miner系統(tǒng)、SAS公司的SAS EM（Enterprise Miner）系統(tǒng)等。,數(shù)據(jù)挖掘的發(fā)展,目前，國內(nèi)外很多大學、研究機構(gòu)和公司都已經(jīng)在這個方面進行了實質(zhì)性的研究和產(chǎn)品開發(fā)。今后研究的焦點可能有：研究專門用于知識發(fā)現(xiàn)的數(shù)據(jù)挖掘語言；研究Internet上的數(shù)據(jù)挖掘方法；對各種非結(jié)構(gòu)化數(shù)據(jù)，如：文本數(shù)據(jù)、圖形圖象數(shù)據(jù)、多媒體數(shù)據(jù)的挖掘；研究數(shù)據(jù)挖掘與數(shù)據(jù)倉庫相結(jié)合的方式，數(shù)據(jù)挖掘與

34、數(shù)據(jù)倉庫一體化的研究等。,7.3 WEB數(shù)據(jù)挖掘,一、 Web挖掘的處理流程 二、 Web數(shù)據(jù)挖掘分類 三、 Web數(shù)據(jù)挖掘應(yīng)用前景,,Web挖掘指使用數(shù)據(jù)挖掘技術(shù)在WWW數(shù)據(jù)中發(fā)現(xiàn)潛在的、有用的模式或信息。 與傳統(tǒng)數(shù)據(jù)和數(shù)據(jù)倉庫相比，Web上的信息是非結(jié)構(gòu)化或半結(jié)構(gòu)化的、動態(tài)的、并且是容易造成混淆的，所以很難直接以Web網(wǎng)頁上的數(shù)據(jù)進行數(shù)據(jù)挖掘，而必須經(jīng)過必要的數(shù)據(jù)處理,一、 Web挖掘的處理流程,1．查找資源 2．信息選擇和

35、預(yù)處理 ：從取得的Web資源中剔除無用信息和將信息進行必要的整理 3．模式發(fā)現(xiàn)：自動進行模式發(fā)現(xiàn)?？梢栽谕粋€站點內(nèi)部或在多個站點之間進行。 4．模式分析：驗證、解釋上一步驟產(chǎn)生的模式?？梢允菣C器自動完成，也可以是與分析人員進行交互來完成。,研究方向,隨著Web技術(shù)的發(fā)展，基于Web技術(shù)的信 息獲得（IR）、信息抽取(IE) 得到了更多的重視。由于Web 數(shù)據(jù)量非常大，而且可能動態(tài)變化，目前的研究方向是用自動化、半自動化的方法在W

36、eb上進行IR和IE。在 Web環(huán)境下既要處理非結(jié)構(gòu)化文檔，又要處理半結(jié)構(gòu)化的數(shù)據(jù)，最近幾年在這兩方面都有相應(yīng)的研究成果和具體應(yīng)用，特別是在大型搜索引擎中得到了很好的應(yīng) 用。,二、 Web數(shù)據(jù)挖掘分類,1、Web內(nèi)容挖掘（Web Content mining）、 2、Web結(jié)構(gòu)挖掘（ Web structure mining）、 3、Web 用法挖掘（Web usage Mining）,1、Web內(nèi)容挖掘,從Web內(nèi)容/數(shù)據(jù)/文檔

37、中發(fā)現(xiàn)有用信息Web內(nèi)容挖 掘的對象包括文本、圖象、音頻、視頻、多媒體和其他各種類型的數(shù)據(jù)。針對無結(jié)構(gòu)化文本進行的Web挖掘被歸類到基于文本的知識發(fā)現(xiàn)（KDT）領(lǐng)域，也 稱文本數(shù)據(jù)挖掘或文本挖掘，是Web挖掘中比較重要的技術(shù)領(lǐng)域，也引起了許多研究者的關(guān)注。最近在Web多媒體數(shù)據(jù)挖掘方面的研究成為另一個熱點。,1、Web內(nèi)容挖掘,Web 內(nèi)容挖掘一般從兩個不同的觀點來進行研究。從資源查找（IR）的觀點來看，Web內(nèi)容挖掘的任務(wù)是從

38、用戶的角度出發(fā)，怎樣提高信息質(zhì)量和幫助用戶過濾信 息。而從DB的角度講Web內(nèi)容挖掘的任務(wù)主要是試圖對Web上的數(shù)據(jù)進行集成、建模，以支持對Web數(shù)據(jù)的復(fù)雜查詢。,,1．1從資源查找（Information Retrival）的觀點挖掘非結(jié)構(gòu)化文檔 非 結(jié)構(gòu)化文檔主要指Web上的自由文本，包括小說、新聞等。在這方面的研究相對比較多一些，大部分研究都是建立在詞匯袋（bag of words）或稱向量表示法（vector represe

39、ntation）的基礎(chǔ)上 用資源查找的觀點挖掘半結(jié)構(gòu)化文檔：與非結(jié)構(gòu)化數(shù)據(jù)相比，Web上的半結(jié)構(gòu)化文檔挖掘指在加入了HTML、超連接等附加結(jié)構(gòu)的信息上進行挖掘，其應(yīng)用包括超連接文本的分類、聚類、發(fā)現(xiàn)文檔之間的關(guān)系、提出半結(jié)構(gòu)化文檔中的模式和規(guī)則等,,1．2從數(shù)據(jù)庫（Database）的觀點挖掘非結(jié)構(gòu)化文檔 數(shù)據(jù)庫技術(shù)應(yīng)用于Web挖掘主要是為了解決Web信息的管理和查詢問題。這些問題可以分為三類：Web信息的建模和查詢；信息抽取與集成

40、；Web站點建構(gòu)和重構(gòu)。從數(shù)據(jù)庫的觀點進行Web內(nèi)容挖掘主要是試圖建立Web站點的數(shù)據(jù)模型并加以集成，以支持復(fù)雜查詢，而不止是簡單的基于關(guān)鍵詞的搜索。這要通過找到Web文檔的模式、建立Web數(shù)據(jù)倉庫或Web知識庫或虛擬數(shù)據(jù)庫來實現(xiàn)。相關(guān)研究主要是基于半結(jié)構(gòu)化數(shù)據(jù)進行的,2、Web結(jié)構(gòu)挖掘,Web結(jié)構(gòu)挖掘的對象是Web本身的超連接，即對Web文檔的結(jié)構(gòu)進行挖掘。對于給定的Web文檔集合，應(yīng)該能夠通過算法發(fā)現(xiàn)他們之間連接情況的有用信息，

41、文檔之間的超連接反映了文檔之間的包含、引用或者從屬關(guān)系。Web 結(jié)構(gòu)挖掘在一定程度上得益于社會網(wǎng)絡(luò)和引用分析的研究。在Web結(jié)構(gòu)挖掘領(lǐng)域最著名的算法是HITS算法和PageRank算法。他們的共同點是使用一定方法計算Web頁面之 間超連接的質(zhì)量，從而得到頁面的權(quán)重。著名的Clever和Google搜索引擎就采用了該類算法。,3、Web用法挖掘,即Web 使用記錄挖掘，在新興的電子商務(wù)領(lǐng)域有重要意義，它通過挖掘相關(guān)的Web日志記錄，來

42、發(fā)現(xiàn)用戶訪問Web頁面的模式，通過分析日志記錄中的規(guī)律，可以識別 用戶的忠實度、喜好、滿意度，可以發(fā)現(xiàn)潛在用戶，增強站點的服務(wù)競爭力。,3、Web用法挖掘,根據(jù)對數(shù)據(jù)源的不同處理方法，Web 用法挖掘可以分為兩類一類是將Web使用記錄的數(shù)據(jù)轉(zhuǎn)換并傳遞進傳統(tǒng)的關(guān)系表里，再使用數(shù)據(jù)挖掘算法對關(guān)系表中的數(shù)據(jù)進行常規(guī)挖掘；另一類是將Web 使用記錄的數(shù)據(jù)直接預(yù)處理再進行挖掘。,三、 Web數(shù)據(jù)挖掘的應(yīng)用前景,電子商務(wù)　　運用網(wǎng)絡(luò)挖掘技術(shù)能

43、夠從服務(wù)器和瀏覽器端日志記錄中自動發(fā)現(xiàn)隱藏在數(shù)據(jù)中的模式信息,了解系統(tǒng)的訪問模式以及用戶的行為模式,從而做出預(yù)測性分析。 網(wǎng)站設(shè)計　　通過對網(wǎng)站內(nèi)容的挖掘,可以有效地組織網(wǎng)站信息 搜索引擎　　用搜索引擎進行網(wǎng)絡(luò)信息挖掘的最大特色體現(xiàn)在他所采用的對網(wǎng)頁鏈接信息的挖掘技術(shù)上。通過對網(wǎng)頁內(nèi)容挖掘,可以實現(xiàn)對網(wǎng)頁的聚類、分類,實現(xiàn)網(wǎng)絡(luò)信息的分類瀏覽與檢索;運用網(wǎng)絡(luò)內(nèi)容挖掘技術(shù)改進關(guān)鍵詞加權(quán)算法,提高網(wǎng)絡(luò)信息的標引準確度,從而改善檢索效果