数据仓库与数据挖掘 第5章

1、讲师：讲师： ( (papers 2) and (teaching courses 2)papers 2) and (teaching courses 2)副教授：副教授： ( (papers=3) and (teaching courses=2)papers=3) and (teaching courses=2)3. 概念描述和概念描述和OLAP概念描述概念描述能够处理复杂的数据类型和各种汇总方法能够处理复杂的数据类型和各种汇总方法更加自动化更加自动化OLAP只能限制于少量的维度和数据类型只能限制于少量的维度和数据类型用户控制的流程用户控制的流程TomMChem.Vancouver8-11-

2、822-3-446534233.38MarryFCompuMontreal 7-5-813-3-216534293.82NacyFChem.Seattle4-21-844-5-16534243.29ScottMPhysDenver2-12-835-4-38534273.08 countMScienceCanada25-30Very Good21FengineeringCanada 25-30Excellent25FScienceUSA20-25Very Good22MScienceUSA25-30Good190 0101020203030404050506060707080809090第一季度

3、第一季度第三季度第三季度计算机计算机手机手机空调空调电视电视冰箱冰箱15%):t.D.Mstutype(X)80%:tD.PHstutype(X)5%:tMBA)(stutype(Xexcellentstudent(X)X,niiaqcountqcountweightt1)(/)(_)(:)()(_arg,:111mmmwtXconditionwtXconditionXclassettX%)15:.)(%80:.)(%5:)()(,tDMXstutypetDPHXstutypetMBAXstutypeexcellentXstudentXsssssssIimiim2121log),()()(11

4、1mjjvjmjjssIsssAE)(),()(21AEsssIAgainm1. 挖掘类比较挖掘类比较比较比较: 比较两个或者更多类比较两个或者更多类方法方法: 将相关的数据分成目标类和比较类将相关的数据分成目标类和比较类 将两个类别的数据概化到相同的层次将两个类别的数据概化到相同的层次用相同层次的描述对元组进行比较用相同层次的描述对元组进行比较对于每个元组展现其描述和两个衡量标准对于每个元组展现其描述和两个衡量标准: support - distribution within single class comparison - distribution between classes将差异很

5、大的元组特别显示出来将差异很大的元组特别显示出来相关性分析相关性分析:发现最能体现类别之间差异的属性发现最能体现类别之间差异的属性1. 挖掘类比较挖掘类比较示例：示例：使用区别规则来分析本科生和研究生使用区别规则来分析本科生和研究生DMQL queryuse Bist_University_DBmine comparison as “grad_vs_undergrad_students”in relevance to name, gender, major, birth_place, birth_date, residence, phone#, gpafor “graduate_student

6、s”where status in “graduate”versus “undergraduate_students”where status in “undergraduate”analyze count%from student1. 挖掘类比较挖掘类比较条件：条件：attributes name, gender, major, birth_place, birth_date, residence, phone# and gpaGen(ai) = concept hierarchies on attributes aiUi = attribute analytical thresholds

7、for attributes aiTi = attribute generalization thresholds for attributes aiR = attribute relevance threshold1. 挖掘类比较挖掘类比较 数据收集数据收集目标类目标类: 研究生研究生比较类比较类: 本科生本科生 属性相关性分析属性相关性分析删除属性姓名、性别、专业、电话删除属性姓名、性别、专业、电话 同步概化同步概化由用户设定的维度阈值控制由用户设定的维度阈值控制目标类和控制类关系目标类和控制类关系 /立方体立方体Count%Canada25-30Very Good5.53%Canada 25-30Excellent3.41%USA20-25Very Good2.32%USA25-30Good4.81%Count%Canada15-20Excellent4.51%Canada 15-20Very Good3.573%USA20-25Very Good5.61%USA15-20Good6.30%1. 挖掘类比较挖掘类比较研究生研究生本科生本科生比较项比较项1. 挖掘类比较挖掘类比较 在目标和比较类上，在目标和比较类上， 经上卷、下钻、经上卷