《数据选择》PPT课件

《《数据选择》PPT课件》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、1数据挖掘原理与SPSSClementine应用宝典元昌安主编邓　松　李文敬　刘海涛　编著电子工业出版社双击添加主标题第4章数据选择数据挖掘的对象选择建模数据构造建模数据集34.1数据挖掘的对象4.1.1数据库一个数据库系统也称为数据库管理系统（DBMS），由一些相关数据组成，并通过软件程序管理和存储这些数据。DBMS提供数据库结构定义，数据检索语言（SQL等），数据存储，并发、共享和分布式机制，数据访问授权等功能。关系数据库由表组成，每个表有一个唯一的表名，属性（列或域）集合组成表结构，表中数据按行存放，每一行称为一个记录。记录间通

2、过键值加以区别。关系表中的一些属性域描述了表间的联系，这种语义模型就是实体关系（ER）模型。关系数据库是当前最流行、最常见的数据库之一，为数据挖掘研究工作提供了丰富的数据源。44.1.1数据库目前研究的主要问题有：超大数据量。动态变化的数据。噪声。数据不完整。冗余信息。数据稀疏。54.1.2数据仓库数据仓库（DataWarehouse）的一个综合性的定义是：它是一个集成的，面向主题的、设计用语决策支持功能（DSF）的数据库的集合，数据中的每一个数据单元在时间上都是和某个时刻相关的。联机操作数据库系统的主要任务是执行联机事务和查询处理。

3、这种系统称为联机事务处理（OLTP）系统。它们涵盖了一个组织的大部分日常操作，如购买、库存、制造、银行、工资、注册、记帐等。64.1.2数据仓库OLTP处理一个行业或组织的日常操作所必须的数据。事务型数据库中的数据记录总是被多用户访问和不断更新。相反，数据存在于数据仓库中的部分原因是由于OLTP环境不再使用这些数据。大多数数据仓库中的数据是历史性的，有时间戳的，并且不再改变（只读）。粒度是一个用于描述存储信息的详细程度的术语。操作数据代表了最低的粒度，因为每个数据项包含一个单个事务的信息。数据仓库中数据的粒度是一个设计要点，它依赖于客

4、户的需要以及所采集数据的数量。74.1.2数据仓库数据仓库同时也可以看作是一个采集、存储、管理和分析数据的过程（Gardner，1998）。数据仓库最有效的数据挖掘工具是多维分析方法（MultidimensionalDataAnalysis），也称为联机分析处理（OLAP，OnlineAnalyticalProcessing）。下图显示了仓储过程的关键组件。外部数据依赖数据ETL例程（提取/变换/加载）数据仓库决策支持系统报告提取/汇总数据操作型数据库独立数据集市数据仓库过程模型84.1.3文本文本数据一般存放在文本数据库中。文本数据

5、库中存放的内容均为文字，这些文字并不是简单的关键词，而是长句、段落甚至全文，文本数据库多数为非结构化的，也有些是半结构化的（如，题录数据加全文、HTML、Email邮件等）。Web网页也是文本信息，把众多的Web网页组成数据库就是最大的文本数据库。94.1.3文本针对文本数据库的数据挖掘，内容包括：文本的主题特征提取文本分类文本聚类104.1.4Web信息Web数据挖掘是指从众多Web网站、网页上挖掘出有用数据和知识的过程。Web上的信息完全可以视为一个异构的数据库环境。对这些数据进行挖掘，首先解决站点之间异构数据的集成问题，为用户提

6、供一个统一的视角来看待Web资源。其次，对于集成的Web数据至少应提供两个方面的挖掘功能：网络信息与数据的查询；Web数据的分析处理和知识发现。114.1.4Web信息由于Web数据除了相互间异构外，大量的数据还是半结构、无结构的文本和多媒体信息，所以面向Web的数据挖掘远比关系数据库或数据仓库的数据挖掘复杂得多。目前迫切要解决的是构造一个模型（标准）来清晰地描述Web资源，开发适合Web资源的数据挖掘功能。124.1.5空间数据所谓空间数据挖掘就是指抽取空间关系知识，或其他没有在空间数据库明确存放的有意义的模式。空间数据库存放着大量

7、与空间相关的数据，例如地图、遥感数据或医疗图像数据、大规模集成电路设计数据等。空间数据包含空间属性和非空间属性，尽管有的空间属性经过处理可以转化为一般的属性要素参与分析。134.1.5空间数据空间数据挖掘可以帮助理解空间数据、发现空间关系和空间与非空间数据间关系、构造空间知识库、重组空间数据库，以及优化空间查询等。目前广泛应用与地理信息系统、地理市场、遥感、图像数据库探索、医疗成像、导航、交通控制、环保等许多其他利用空间数据的领域。144.2选择建模数据根据所构建模型类型的不同，需要的数据也不相同。选择建模数据，就要在相关领域和专家知

8、识的指导下，搜索所有与业务对象有关的内部和外部数据信息，并从中选择出适用于数据挖掘应用的数据，亦即辨别出需要进行分析的数据集合，缩小挖掘范围，避免盲目搜索，提高数据挖掘的效率和质量。154.2选择建模数据以下是构建发现潜