数据库用于决策分析.ppt

1、Ch.16数据库用于决策分析，1、资料仓储2、数据挖掘和Ch.16数据库用于决策分析。1、资料仓储1)、数据仓库的事务环境数据库不适合DSS应用程序的6茄子原因：(1)医生决策需要在事务系统中累积“统一数据”，从而形成“数据丰富、信息不足”的局面。(2)医生决策需要“科举数据”事务。通常只需要当前数据，数据库通常只存储短期数据。但是在决策分析中，历史数据非常重要，很多分析方法必须依赖大量的历史数据。没有对历史数据的详细分析，很难把握企业的发展趋势。Ch.16数据库用于决策分析，(3)医生决策需要“多数据源数据”DSS。需要合并数据。全面、准确的数据是有效分析和医生决策的第一个前提，您收集的相关

2、数据越完整，结果就越可靠。因此，DSS不仅需要企业中各部门的相关数据，还需要企业外部、竞争对手等的相关数据。数据源包括各种数据库、档案、HTML等。(4)确定医生所需的数据根据与主题相关的主题需要不同的数据。有些主题是预知的，有些主题是因决策要求而临时发生的。Ch.16数据库用于决策分析；(5)决策数据以读取为主；(6)联机事务处理(OLTP)以短事务为主，联机分析处理(OLAP)、用于决策分析的Ch.16数据库，2)、资料仓储(1)定义(W.H.INMON -数据仓库的上级)数据仓库是一个读取密集型数据库系统，它合并了多个数据源，并且具有当前和科举摘要数据(请说明前面添加的四个修饰语)！(2

3、) (2)资料仓储框架王书第2卷p.199图221岁茄子主要部分：数据源资料仓储(核心)工具和介面，3)OLAP技术(On-Line Analytical Processing) (1)数据(p.204)，c .上圈和下钻-上圈是经过仔细计算的粗糙集函数。向下钻研是反向作业，但无法粗糙地汇出细致视图。向下钻取细化维的粒度，以查询更详细的数据。d .聚合函数的分类- 1)分配类型；2)代数类型；整体型。2，数据挖掘(Data Mining) 1)概述(1)定义：数据挖掘是对数据库中隐含的未知和非一般信息(即像OLAP中那样的总计、平均值等一般信息)或知识的提取。(又称KDD，knowledge

4、discovery in databases)(2)数据源：包括数据库中的数据、数据仓库中的数据，甚至一些非数据库数据。(3)“发掘”-“推理”:两种茄子推理方法-演绎推理：可以从演绎数据库系统、数据库中获得逻辑推理，找不到新的规则和规律。-归纳推理：数据挖掘的基本方法之一。，(4)数据挖掘过程王书第2卷p.221图23-1数据选择预处理外观(Pattern)发现-重要步骤，不同算法(模式模式不同，此处使用)评估说明2)数据挖掘的基本方法(1)联系人分析-同一交易内数据的连接实例：根据客户特征和科举信用记录，使用分类方法预测客户信用的类别。(3)群集与分类不同，预先指定了分类的类别，群集的类别

5、不是人为指定的。聚类是通过比较数据的相似性和差异发现特性和分布，抽象聚类的规律。3) 4茄子方法简介(1)关联规则1，概览：t=t1，T2，- TM事务处理数据I=i1，I2，- in事务处理t的数据集x支持范围支持(x=y) Y | 100% _ _ _ _ _ _ _ _ _ _ _ _ _ _ t包含Y | 100% _ _ _ _ _ _ _ _ _ _ _ _ t 当置信度超过指定阈值时，关联规则是要查找的关联规则。算法为：王书P.223，(2)时间序列挖掘1，示例不同事务的数据之间的关联，2，Apriori All算法(王书p.225) (1)排序，(2)过滤频繁的数据项集*分类为统计学、模式识别、2、分类方法：决策树方法、人工神经网络方法、统计算法、遗传算法等最常用的是决策树方法。王书P.227显示了在分类中