数据仓库与数据挖掘

数据仓库：面向主题的、集成的、非易变的、随时间变化的数据集合，用以支持决策。

数据库为事务处理服务。

数据仓库的基本特征包括以下几个方面：1)数据仓库面向主题。2)数据集成。3)数据相对稳定。4)数据反映历史变化。

数据集市是一种更小、更集中的数据仓库，解决数据仓库分析时间长，代价高的确定

数据集市不等于数据仓库，数据集市的简单合并不能成为数据仓库

（1）数据仓库数据模型

数据仓库和OLAP操作基于多维数据模型。

多维数据模型概念：度量属性（决策者关心的实际意义的数量）、维属性（观察数据的角度，如时间、地理等）、维的层次（年、月、日为时间维的层次，国家、地区、城市为地理维的层次）

多维数据：能够模式化为维属性和度量属性的数据统称为多维数据。多维数据构成了数据立方体。

多维存储模型涉及两类表：维表和事实表，常用的多维模式为星型（一个事实表和多个维表组成）和雪花型（将维表组织为层次结构）模式。

数据仓库利用位图索引实现高性能访问。

（2）数据仓库的体系结构

数据仓库系统组成：数据仓库（DW）、仓库管理和分析工具(查询工具和挖掘工具)。元数据是数据仓库的核心。

三层客户机/服务器结构：数据仓库服务器、OLAP（联机分析服务器，包括关系OLAP(ROLAP),多维OLAP（MOLAP））和客户端。

（3）联机分析：切片、切块、钻取（向下钻取（取得细节数据），向上钻取（取得综合数据））和旋转（行列交换）等。

（4）数据挖掘

知识发现识别数据库中以前不知道的、新颖的、潜在有用的和最终可被理解的模式的非平凡过程。数据挖掘是知识发现的核心工作和步骤。

知识发现（KDD）过程：数据准备、数据挖掘以及结果的解释和评估。

可视化技术在数据挖掘过程中扮演了重要的作用。

数据挖掘常用的方法包括以下几个方面：

(1)关联规则挖掘（支持度：规则代表的事例占全体事例的比例；可信度：规则代表的事例占前提条件事例的比例）。

(2)分类。 (3)聚类分析。(4)预测。(5)优化

WEB挖掘：从WWW的资源和行为中抽取感兴趣的、有用的模式和隐含的信息。可分为三类：Web内容挖掘(从文档内容或文档描述中抽取知识的过程)、Web结构挖掘（从WWW的组织结构和链接关系中挖掘知识，发现重要页面，对页面排序）和Web使用记录挖掘（从Web的访问记录中抽取感兴趣的模式，提供个性化服务）