数据挖掘.doc

实验1 建立多维数据模型实验目的： 从示例数据库中导出数据，建立并部署“销售分析”多维数据集，实现对公司的销售状况做分析研究。实验内容：1. 创建一个新的数据仓库分析项目。2. 定义数据源。3. 定义数据源视图。4. 定义多维数据集。5. 部署“销售分析示例”项目。6. 浏览已部署的多维数据集。7. 提高多维数据集的可用性和易用性。实验步骤：1. 创建一个新的数据仓库分析项目。打开Visual Studio 2005新建项目，选择Analysis Services 项目，并将项目名称更改为“销售分析示例”。具体操作路径：选择“开始”-“所有程序”-Microsoft SQL Server 2005命令，再单击SQL Server Business Intelligence Development Studio，将打开Microsoft Visual Studio 2005开发环境。2. 定义数据源。在“数据源”文件夹上右击，在弹出的快捷菜单中选择“新建数据源”命令。启动新建数据源向导，单击“新建”按钮。出现“连接管理器”对话框，在“提供程序”下拉列表框中确保已选中“本机OLE DBMicrosoft OLE DB Provider for SQL Server”选项。选择数据源帐号为“使用服务帐号”并命名数据源为“销售分析数据源”。3. 定义数据源视图。选择“数据源视图”文件夹，新建一个数据源视图。数据源选择上一步新建的“销售分析数据源”。在“可用对象”列表框中，选择下列表。Dim Customer（客户维表）。Dim Geography（地理维表）。Dim Product（产品维表）。Dim Time(时间维表)。FactInternet Sales（网上销售事实表）。在定义好的数据源视图中可以修改表的默认名称，让视图更易理解。4. 定义多维数据集。右键单击“多维数据集”，从弹出的快捷菜单中选择“新建多维数据集”命令；已选中“使用数据源生成多维数据集”选项和“自动生成”选项；在“时间维度表”下拉列表中选择“时间”别名。下一步设置时间维，将时间属性名称映射到已指定为“时间”维度的维度表中的相应列。选择事实表的度量值（去掉不是度量值的列），可以对度量值重新命名。设置和效验维度的属性及层次结构，在“查看新建维度”页上，通过展开树控件显示该向导检测到的三个维度的层次结构和属性，查看其中每个维度的维度层次结构（可根据需要去掉部分维度属性）。在维度设计器的“维度结构”选项卡上，可以添加、删除和编辑层次结构，级别和属性。5. 部署“销售分析示例”项目。部署配置。在解决方案资源管理器中，右键单击根结点“销售分析示例”项目，从弹出的快捷菜单中选择“属性”命令。在弹出的对话框中更改“数据库”对应值为Analysis Services。部署项目。在解决方案资源管理器中，右键单击“销售分析示例”项目，从弹出的快捷菜单中选择“部署”命令，或者在菜单栏中选择“生成”菜单，单击“部署 销售分析示例”。6. 浏览已部署的多维数据集。部署完成后，就可以根据需要浏览多维数据集中的实际数据了。7. 提高多维数据集的可用性和易用性。l 修改度量值的有关属性。l 修改维度的层次结构和有关属性。l 增加维度属性。l 将命名计算列作为维度的成员名称。l 重新部署并查看更改。l 灵活快速的导出各类统计报表。实验2 关联规则应用实验目的：掌握在SQL Server 2005中实现关联规则的挖掘。实验内容：1. 创建Analysis Services项目。2. 创建数据源。3. 创建数据源视图。4. 创建关联挖掘结构。5. 设置关联规则挖掘的参数。6. 建立关联规则挖掘模型。7. 查看挖掘结果。实验步骤：1. 创建Analysis Services项目。打开Visual Studio 2005新建项目，选择新建Analysis Services 项目，并将项目名称更改为“Adventure Works”。2. 创建数据源。在“数据源”文件夹上右击，在弹出的快捷菜单中选择“新建数据源”命令。启动新建数据源向导，单击“新建”按钮。出现“连接管理器”对话框，在“提供程序”下拉列表框中确保已选中“本机OLE DBMicrosoft OLE DB Provider for SQL Server”选项。选择数据源帐号为“使用服务帐号”并命名数据源为“Adventure Works DW”。3. 创建数据源视图。在解决方案资源管理器中，右击“数据源视图”，从弹出的快捷菜单中选择“新建数据源视图”命令。系统将打开数据源视图向导。在“选择数据源”页的“关系数据源”下，默认选中在上一步中创建的Adventure Works DW数据源。单击“下一步”按钮，在“选择表和视图”页上选择下列各表，然后单击右箭头键，将vAssocSeqLineItems和vAssocSeqOrders包括在新数据源视图中，单击“下一步”按钮。在“完成向导”页上，默认情况下，系统将数据源视图命名为Adventure Works DW。单击“完成”按钮。4. 创建关联挖掘结构。在解决方案资源管理器中，右键单击“挖掘结构”，从弹出的快捷菜单中选择“新建挖掘结构”命令。在“选择定义方法”页中，确保已选中“从现有关系数据库或数据仓库”选项，再单击“下一步”按钮。在“选择数据挖掘技术”页的“您要使用何种数据挖掘技术？”列表框中选中“Microsoft 关联规则”选项，再单击“下一步”按钮。“选择数据源视图”页随即显示。默认情况下，“可用数据源视图”下的Adventure Works DW为选中状态。单击“下一步”按钮，在“指定表类型”页上选中vAssocSeqOrder 表右边的“事例”复选框，选中vAssocSeqLineItems表右边的“嵌套”复选框。单击“下一步”按钮，在“指定定型数据”页上依次清除CustomerKey右边的“键”复选框和LineNumber右边的“键”和“输入”复选框。选中Model列右边的“键”和“可预测”复选框。然后，系统也将自动选中“输入”复选框。单击“下一步”按钮，在“指定列的内容和数据类型”页上单击“下一步”按钮。在“完成向导”页的“挖掘结构名称”中输入Association。在“挖掘模型名称”中输入Association，再单击“完成”按钮。5. 设置关联规则挖掘的参数。打开“算法参数”对话框，在“算法参数”对话框的“值”列中设置一下参数。MINIMUN_SUPPORT=0.01MINIMUN_PROBABILITY=0.1然后单击“确定”按钮。6. 建立关联规则挖掘模型。选择“挖掘模型”菜单的“处理挖掘结构和所有模型”选项，系统将打开“处理挖掘结构-Association”对话框。单击“运行”按钮，系统将打开“处理进度”对话框，以显示有关模型处理的信息。7. 查看挖掘结果。处理完成之后，选择“挖掘模型查看器”，第一个页面是挖掘到的频繁集，第二个页面则是查看挖掘出来的规则。实验3 决策树应用实验目的：掌握在SQL Server 2005中决策树方法的使用。实验内容：1. 创建Analysis Services 项目。2. 创建数据源。3. 创建数据视图。4. 创建决策树挖掘结构。5. 设置决策树挖掘结构的相关参数。6. 建立决策树挖掘模型。7. 查看挖掘结果。实验步骤：1. 创建Analysis Services 项目。打开Visual Studio 2005新建项目，选择新建Analysis Services 项目，并将项目名称更改为“决策树”。2. 创建数据源。在“数据源”文件夹上右击，在弹出的快捷菜单中选择“新建数据源”命令。启动新建数据源向导，单击“新建”按钮。出现“连接管理器”对话框，在“提供程序”下拉列表框中确保已选中“本机OLE DBMicrosoft OLE DB Provider for SQL Server”选项。选择数据源帐号为“使用服务帐号”并命名数据源为“决策树”。3. 创建数据源视图。在解决方案资源管理器中，右键单击“数据源视图”，从弹出的快捷菜单中选择“新建数据源视图”命令，系统将打开数据源视图向导。在“欢迎使用数据源视图向导”页上，单击“下一步”按钮。在“选择数据源”页中再次单击“下一步”按钮。在“选择表和视图”页上，选择dbo.vTargetMail视图，然后右击，将它包括在新数据源视图中。4. 创建决策树挖掘结构。在解决方案资源管理器中，右击单击“挖掘结构”，然后选择“新建挖掘结构”，系统打开数据挖掘向导。在“欢迎使用数据挖掘向导”页上，单击“下一步”按钮。在“选择定义方法”页上，从在“从现有关系数据库或数据仓库”，再单击“下一步”按钮。在选择“数据挖掘技术”页的“您要使用何种数据挖掘技术？”下拉列表中选择“Microsoft 决策树”选项。单击“下一步”按钮，默认选中Adventure Works DW。单击“选择数据源视图”页上的“下一步”按钮，在“指定表类型”页上，选中vTargetMail右边“事例”列中的复选框。单击“下一步”，出现“指定定型数据”页。确保已选中CustomerKey列右边“键”列中的复选框，选中类别属性BikeBuyer列右边的“输入”和“可预测”复选框，并且从属性列表中选择16个描述属性，选中相应的“输入”复选框。单击“下一步”按钮，在随后的“指定列的内容和数据类型”页上，单击“下一步”按钮，出现“完成向导”页。在“挖掘结构名称”文本框中输入Decision Tree，在“挖掘模型名称”文本框中输入Decision Tree，之后单击“完成”按钮。由此决策树挖掘结构创建完成，系统将打开挖掘结构设计器，显示Adventure Works DW挖掘结构视图。5. 设置决策树挖掘结构的相关参数。6. 建立决策树挖掘模型。选择“挖掘模型查看器”选项卡，程序问是否建立部署项目，选择“是”，在接下来的“处理挖掘模型”页上，单击“运行”按钮，出现“处理进度”窗口。处理进度完成之后，单击“关闭”按钮，建模完成。7. 查看挖掘结果。再次选择“挖掘模型查看器”选项卡，由vTargetMail数据集生成的决策树。实验4 K-means应用实验目的：掌握在SQL Server 2005中的K-means应用。实验内容：1. 创建Analysis Services 项目。2. 创建数据源。3. 创建数据源视图。4. 创建k-means挖掘结构。5. 设置k-means挖掘结构的相关参数。6. 建立k-means挖掘模型。实验步骤：1. 创建Analysis Services 项目。打开Visual Studio 2005新建项目，选择新建Analysis Services 项目，并将项目名称更改为“K-means”。2. 创建数据源。在“数据源”文件夹上右击，在弹出的快捷菜单中选择“新建数据源”命令。启动新建数据源向导，单击“新建”按钮。出现“连接管理器”对话框，在“提供程序”下拉列表框中确保已选中“本机OLE DBMicrosoft OLE DB Provider for SQL Server”选项。选择数据源帐号为“使用服务帐号”并命名数据源为“k-means”。3. 创建数据源视图。在解决方案资源管理器中，右键单击“数据源视图”，从弹出的快捷菜单中选择“新建数据源视图”命令，系统将打开数据源视图向导。在“欢迎使用数据源视图向导”页上，单击“下一步”按钮。在“选择数据源”页中再次单击“下一步”按钮。在“选择表和视图”页上，选择dbo.vTargetMail视图，然后右击，将它包括在新数据源视图中。4. 创建k-means挖掘结构。在解决方案资源管理器中，右键单击“挖掘结构”，在弹出的菜单中选择“新建挖掘结构”命令，系统将打开数据挖掘向导。在“欢迎使用数据挖掘向导”页上，单击“下一步”按钮。在“选择定义方法”页上，确认已选中“从现有关系数据库或数据仓库”，再单击“下一步”按钮。在“选择数据挖掘技术”页的“您要使用何种数据挖掘技术”下拉列表中选择“Microsoft 聚类分析”选项。单击“下一步”按钮，在随后出现的“选择数据源视图”页上，选中默认的Adventure Works DW。单击“选择数据源视图”页上的“下一步”按钮，在“指定表类型”页上，选中TargetMail表右边“事例”列中的复选框，单击“下一步”按钮。在随后“指定定型数据”页，确保已选中CustomerKey列右边的“键”列中的复选框，并且从属性列表中描述16个描述属性，并且选中相应的“输入”复选框。在“指定列的内容和数据类型”页上，单击“下一步”按钮，出现“完成向导”页。在“挖掘结构名称”文本框中输入Cluster,在“挖掘模型名称”文本框中输入Cluster，之后单击“完成”按钮。由此k-means挖掘结构创建完成。5. 设置k-means挖掘结构的相关参数。在“挖掘模型”选项卡上单击鼠标右键，从弹出的快捷菜单中选择“设置算法参数”命令，系统将打开“算法参数”对话框。可以为要更改的算法设置新值。6. 建立k-means挖掘模型。选择“挖掘模型查看器”选项卡，建立部署项目。在“处理挖掘模型”页上，单击“运行”按钮，出现“处理进度”页。处理进度完成之后，单击“关闭”按钮，建模完成。7. 查看挖掘结构。再次选择“挖掘模型查看器”选项卡，由TargetMail数据集得到的k-means聚类结果。实验5 贝叶斯网络应用实验目的：掌握利用SQL Server 2005中的贝叶斯网络解决一个简单的预测和诊断问题。实验内容：1. 在SQL Server 2005中创建一个新的数据库BayesDatabase。2. 创建一个新的数据表Table_2。3. 向数据表Table_2中输入数据。4. 创建新的商业智能项目BayesProject。5. 建立BayesA中的数据连接，连接到数据库BayesDatabase。6. 建立BayesA中的数据源视图，在建立视图的过程中选择数据库中的表格Table_2。7. 创建挖掘结构。8. 预测和诊断。实验步骤：1. 在SQL Server 2005中创建一个新的数据库BayesDatabase。2. 创建一个新的数据表Table_2。3. 向数据表Table_2中输入数据。4. 创建新的商业智能项目BayesProject。打开Visual Studio 2005新建项目，选择新建Analysis Services 项目，并将项目名称更改为“BayesProject”。5. 建立BayesA中的数据连接，连接到数据库BayesDatabase。在“数据源”文件夹上右击，在弹出的快捷菜单中选择“新建数据源”命令。启动新建数据源向导，单击“新建”按钮。出现“连接管理器”对话框，在“提供程序”下拉列表框中确保已选中“本机OLE DBMicrosoft OLE DB Provider for SQL Server”选项。选择数据源帐号为“使用服务帐号”并命名数据源为“BayesProject”。6. 建立BayesA中的数据源视图，在建立视图的过程中选择数据库中的表格Table_2。7. 创建挖掘结构。在解决方案资源管理器中，右键单击“挖掘结构”，在弹出的菜单中选择“新建挖掘结构”命令，系统将打开数据挖掘向导。在“欢迎使用数据挖掘向导”页上，单击“下一步”按钮。在“选择定义方法”页上，确认已选中“从现有关系数据库或数据仓库”，再单击“下一步”按钮。在“选择数据挖掘技术”页的“您要使用何种数据挖掘技术”下拉列表中选择“Microsoft Nave Bayes”选项。在“指定定型数据”页中，设定表Table_2中列A为“输入”和“可预测”，列B为“输入”和“可预测”，列C为“输入”和“可预测”，列mark为“键”。8. 预测和诊断。选择“挖掘模型预测”选项卡，进入预测的界面。然后选择Table_2为事例表，随后单击工具条上的“单独查询”按钮，得到输入界面。将各个值输入，单击“切换到查询结构视图”，得到预测结果。在输入数据完成并选择了预测变量之后，单击“切换到查询结果视图”得到诊断结果。实验6 神经网络应用实验目的：掌握利用SQL Server 2005中的数据挖掘功能，进行神经网络的训练和预测。实验内容：1. 创建示例数据库。2. 创建新项目。3. 创建数据连接。4. 建立数据源视图。5. 建立挖掘结构。6. 部署项目。7. 进行数据预测。实验步骤：1. 创建示例数据库。首先新建