09数据仓库与数据挖掘试题(最后)

1、数据仓库与数据挖掘试题库系统有什么区别二、关系模型和多维模型在数据仓库设计中各有什么优缺点三、数据仓库上的代数操作有哪些如何定义的，举例说明。四、什么是知识发现，知识发现的过程包括那几个步骤关联规则有哪些1、数据仓库是一个面向主题的、集成的、不可更新的、随时间不断变化的数据集合，它用于支持企业或组织的决策分析处理。 数据仓库的主要特征: 面向主题的、集成的、时变的、非易失的数据仓库与数据库的区别数据库是面向事务的设计，数据仓库是面向主题设计的。数据库一般存储在线交易数据，数据仓库存储的一般是历史数据。数据库设计是尽量避免冗余，一般采用符合范式的规则来设计，数据仓库在设计是有意引入 冗余，采用反

2、范式的方式来设计。数据库是为捕获数据而设计，数据仓库是为分析数据而设计它的两个基本的元素是维表和事实表。2、关系模型先建立企业级数据仓库，再在其上开发具体的应用。企业级数据仓库固然是我们所追求的目标，但在缺乏足够的技术力量和数据仓库建设经验的情况下，按照这种模型设计的系统建设过程长， 周期长，难度大，风险大，容易失败。这种模型的优点是信息全面、系统灵活。由于采用了第三范式， 数据存储冗余度低、数据组织结构性好、反映的业务主题能力强以及具有较好的业务扩展性等，但同时会存在大量的数据表，表之间的联系比较多，也比较复杂，跨表操作多，查询效率较低，对数据仓库系统的硬件性能要求高等问题。另一方面，数据模

3、式复杂，不容易理解，对于一般计算机用户来说，增加了理解数据表的困难。;这种维的变动将是非常复杂、非常耗时的。而且信息不够全面、系统欠灵活、数据冗余多。3、切片(Slice(Dice(aggregation) (Cube(roll-up) (drill-down) 、集合操作、类似于关系代数的操作等。切片(Slice)给定一个多维数据集合 MDS(D1,D2,Dn;M1,M2,Mk)在MDS 的第i 维上的切片是一条件为Di=c 选择操作，c 是常量。切片的结果是一个 n-1 维的数据集合切块(Dice)给定一个多维数据集合 MDS(D1,D2,Dn;M1,M2,Mk) ，在MDS 的第i 维上

4、的切块是个条件为 c1Dic2 选择操作，c1 和c2 是常值。切块的结果是一个 n 维的数据集合聚集(Aggregation)给定一个多维数据集合 MDS(D1,D2,Dn;M1,M2,Mk) 及一个维属性 Di(1in)，MDS 在Di 上的聚集操作表示为 Agg(MDS,Di,F) ，其中F=f1,f2,fk,fj是Mj 上聚集函数，如求最大值、最小值、均值、和、计数等。幂聚集 (Cube)给定一个多维数据集合 MDS(D1,D2,Dn;M1,M2,Mk)及一个维属性集合 SDi|1in 在S 上的幂聚集操作表示为 Cube(MDS,S,F) ，其中F=f1,f2,fk,fj 是Mj 上

5、聚集函数，如求最大值、最小值、均值、和、计数等。上卷（roll-up ）给定一个多维数据集合 MDS(D1,D2,Dn;M1,M2,Mk) ，MDS 上的上卷操作的功能是从 MDS 始沿着计算下钻（drill-down ）旋转数据旋转是改变维度的位置关系，使最终用户可以从其他视角来观察多维数据5数据关联是数据库中存在的一类重要的可被发现的知识。若两个或多个变量的取值之间存在种规律性，就称为关联。关联可分为简单关联、时序关联、因果关联。关联分析的目的是找出数Apriori 算法是一种最有影响的挖掘布尔关联规则频繁项集的算法。其核心是基于两阶段频集思想的递推算法。该关联规则在分类上属于单维、单层、

6、布尔关联规则。在这里，所有支持度大于最小支持度的项集称为频繁项集，简称频集。持度一样。然后由频集产生强关联规则，这些规则必须满足最小支持度和最小可信度。然后使用1 有一项，这里采用的是中规则的定义。一旦这些规则被生成，那么只有那些大于用户给定的最小可信度的规则才被留下来。为了生成所有频集，使用了递推的方法。可能产生大量的候选集 ,以及可能需要重复扫描数据库，是 Apriori 算法的两大缺点。4、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。知识发现将信息变为知识，从数据矿ft中找到蕴藏的知识金块，将为知识创新和知识经济的发展作出贡献。数据准备 包括

7、3 个子步骤：数据集成、数据选择、数据预处理。数据集成将多文件或多数据库运行环境中的数据进行合并处理，解决语义模糊性、处理数据中的遗漏和清洗脏数据等。数据选择的目的是辨别出需要分析的数据集合，缩小处理范围，提高数据采掘的质量。预处理是为了克服目前数据采掘工具的局限性。数据挖掘要先决定如何产生假设，是让数据挖掘系统为用户产生假设，还是用户自己对于数据库中可能包含的知识提出假设。前一种称为发现型的数据挖掘，后一种称为验证型的数据挖掘。选择合适的工具。挖掘知识的操作。证实发现的知识。结果表达和解释 根据最终用户的决策目的对提取的信息进行分析，把最有价值的信息区分出来， 并且通过决策支持工具提交给决策者，因此这一步骤任务不仅是把结果表达出来，还要对信息进行过滤处理，如果不能令决策者满意，需要重复以上数据挖掘过程6(classification是找出描述并区分数据类或概念的模型(或函数)，以便能够使用模型预测类标记未知的对象类。聚类(clustering)是指根据“物以类聚”原理，将本身没有类别的样本聚集成不同的组，这样的一组数据对象的集合叫做簇，并且对每一个这样