数据仓库的建模模型课件.ppt

《数据仓库的建模模型课件.ppt》由会员分享，可在线阅读，更多相关《数据仓库的建模模型课件.ppt（36页珍藏版）》请在三一办公上搜索。

1、2023/3/20,高级人工智能 史忠植,1,高级人工智能,第十四章 知识发现（一）史忠植 中国科学院计算技术研究所,2023/3/20,高级人工智能 史忠植,2,知识发现,概述知识发现的任务数据仓库知识发现工具,2023/3/20,高级人工智能 史忠植,3,知识发现,知识发现是指从数据集中抽取和精炼新的模式。范围非常广泛：经济、工业、农业、军事、社会数据的形态多样化：数字、符号、图形、图像、声音数据组织各不相同：结构化、半结构化和非结构发现的知识可以表示成各种形式规则、科学规律、方程或概念网。,2023/3/20,高级人工智能 史忠植,4,数据库知识发现,目前,关系型数据库技术成熟、应用广泛

2、。因此,数据库知识发现(Knowledge Discovery in Databases KDD)的研究非常活跃。该术语于1989年出现，Fayyad定义为“KDD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”,2023/3/20,高级人工智能 史忠植,5,不同的术语名称,知识发现是一门来自不同领域的研究者关注的交叉性学科，因此导致了很多不同的术语名称。知识发现:人工智能和机器学习界。数据挖掘(data mining):统计界、数据分析、数据库和管理信息系统界知识抽取(information extraction)、信息发现(information disco

3、very)、智能数据分析(intelligent data analysis)、探索式数据分析(exploratory data analysis)信息收获(information harvesting)数据考古(data archeology),2023/3/20,高级人工智能 史忠植,6,2023/3/20,高级人工智能 史忠植,7,知识发现的任务,数据总结：对数据进行总结与概括。传统的最简单的数据总结方法是计算出数据库的各个字段上的求和值、平均值、方差值等统计值,或者用直方图、饼状图等图形方式表示。分类：根据分类模型对数据集合分类。分类属于有导师学习，一般需要有一个训练样本数据集作为输入

4、。聚类：根据数据的不同特征，将其划分为不同的类。无导师学习,2023/3/20,高级人工智能 史忠植,8,知识发现的任务,相关性分析：发现特征之间或数据之间的相互依赖关系关联规则 偏差分析：基本思想是寻找观察结果与参照量之间的有意义的差别。通过发现异常,可以引起人们对特殊情况的加倍注意。建模：构造描述一种活动或状态的数学模型,2023/3/20,高级人工智能 史忠植,9,知识发现的方法,统计方法：,传统方法：回归分析、判别分析、聚类分析、探索性分析模糊集(fuzzy set)Zadeh 1965支持向量机(Support Vector Machine)Vapnik 90年代初粗糙集(Rough

5、 Set)Pawlak 80年代初,2023/3/20,高级人工智能 史忠植,10,知识发现的方法,机器学习：,规则归纳：AQ算法决策树：ID3、C4.5范例推理:CBR遗传算法:GA贝叶斯信念网络,2023/3/20,高级人工智能 史忠植,11,知识发现的方法,神经计算：神经网络是指一类新的计算模型，它是模仿人脑神经网络的结构和某些工作机制而建立的一种计算模型。常用的模型：,Hopfield网多层感知机自组织特征映射反传网络,可视化：,2023/3/20,高级人工智能 史忠植,12,KDD的技术难点,动态变化的数据噪声数据不完整冗余信息数据稀疏超大数据量,2023/3/20,高级人工智能 史

6、忠植,13,数据仓库,在过去几十年，数据库技术，特别是OLTP（联机事务处理），主要是为自动化生产、精简工作任务和高速采集数据服务。它是事务驱动的、面向应用的。20世纪80年代，人们要利用现有的数据，进行分析和推理，从而为决策提供依据。这种需求既要求联机服务，又涉及大量用于决策的数据。而传统的数据库系统已无法满足这种需求：,所需历史数据量很大，而传统数据库一般只存储短期数据。涉及许多部门的数据，而不同系统的数据难以集成。对大量数据的访问性能明显下降,2023/3/20,高级人工智能 史忠植,14,数据仓库的定义,信息处理技术的发展趋势是：从大量的事务型数据库中抽取数据，并将其清理、转换为新的存

7、储格。随着此过程的发展和完善，这种九十年代初出现的支持决策的、特殊的数据存储即被称为数据仓库（Data Warehouse）。Inmon将数据仓库明确定义为：数据仓库（Data Warehouse）是面向主题的，集成的，内容相对稳定的、不同时间的数据集合，用以支持经营管理中的决策制定过程。,2023/3/20,高级人工智能 史忠植,15,数据仓库的特征,数据仓库中的数据是面向主题的 与传统数据库面向应用相对应的。主题是一个在较高层次将数据归类的标准，每一个主题基本对应一个宏观的分析领域 数据仓库中的数据是集成的 在数据进入数据仓库之前，必然要经过加工与集成。要统一原始数据中的所有矛盾之处，还要

8、进行数据综合和计算,2023/3/20,高级人工智能 史忠植,16,数据仓库的特征,数据仓库中的数据是稳定的 数据仓库的数据主要供决策分析之用，所涉及的操作主要是数据查询，一般不进行修改操作 数据仓库中的数据又是随时间不断变化的 数据仓库的数据不是实时更新的，但并不是永远不变的，也要随着时间的变化不断地更新、增删和重新综合。更新周期,2023/3/20,高级人工智能 史忠植,17,元数据,元数据（Metadata）是关于数据的数据，它描述了数据的结构、内容、编码、索引等内容。传统数据库中的数据字典是一种元数据，但在数据仓库中，元数据的内容比数据库中的数据字典更加丰富和复杂。设计一个描述能力强、

9、内容完善的元数据，是有效管理数据仓库的具有决定意义的重要前提,2023/3/20,高级人工智能 史忠植,18,元数据的重要性,数据仓库使用者往往将使用元数据作为分析的第一步。元数据如同数据指示图，指出了数据仓库内各种信息的位置和含义 从操作型数据环境到数据仓库的数据转换是复杂的、多方面的，是数据仓库建设的关键性步骤，元数据要包含对这种转换的清晰描述，保证这种转换是正确、适当和合理的，并且是灵活可变的元数据还管理粒度的划分、索引的建立以及抽取更新的周期等，以便管理好数据仓库中的大规模数据,2023/3/20,高级人工智能 史忠植,19,数据仓库的相关概念,事实表（Fact）：存储用户需要查询分析

10、的数据，事实表中一般包含多个维（Dimension）和度量（Measurement）。维：代表了用户观察数据的特定视角，如：时间维、地区维、产品维等。每一个维可划分为不同的层次来取值，如时间维的值可按年份、季度、月份来划分，描述了不同的查询层次。度量：是数据的实际意义，描述数据“是什么”，即一个数值的测量指标，如：人数、单价、销售量等。,2023/3/20,高级人工智能 史忠植,20,数据仓库的建模模型,度量的实际数据存放在事实表中。维的详细信息，如不同的层次划分和相应数据等在维表中存储，事实表中存放各个维的标识码键。事实表和维表将通过这些键关联起来，构成一种星型模型 对于层次复杂的维,为避免

11、冗余数据占用过大的存储空间,可以使用多个表来描述,这种星型模式的扩展称为雪花模型,2023/3/20,高级人工智能 史忠植,21,OLAP,数据仓库技术中，多维数据分析（Multidimensional Data Analysis）方法是一种重要的技术，也称作联机分析处理（On-Line Analytical Processing，简称OLAP）或数据立方体（Data Cube）方法，主要是指通过各种即席复杂查询，对数据仓库中存储的数据进行各种统计分析的应用 数据仓库是面向决策支持的，决策的前提是数据分析。在数据分析中经常要用到诸如求和、总计、平均、最大、最小等汇集操作，这类操作的计算量特别大

12、。,2023/3/20,高级人工智能 史忠植,22,OLAP的类型,ROLAP：数据保留在原有的关系型结构中，并且将聚合表也存储在关系数据库,在技术成熟及各方面的适应性上较之MOLAP占有一定的优势，性能较差MOLAP:数据和聚合都存储在多维结构中，效率较高，便于进行优化操作。维数多数据量大时，存储是难点。HOALP:数据保留在原有的关系型结构中，聚合存储在多维结构。结合ROLAP和MOLAP两者的优点,2023/3/20,高级人工智能 史忠植,23,OLAP的分析操作,OLAP的基本多维分析操作有钻取（roll up和drill down）、切片（slice）和切块（dice）、以及旋转（p

13、ivot)等。钻取是改变维的层次，变换分析的粒度。它包括向上钻取和向下钻取。roll up是在某一维上将低层次的细节数据概括到高层次的汇总数据；而drill down则相反，它从汇总数据深入到细节数据进行观察切片和切块是在一部分维上选定值后，关心度量数据在剩余维上的分布。如果剩余的维只有两个，则是切片，否则是切块 旋转是变换维的方向，即在表格中重新安排维的放置（例如行列互换,2023/3/20,高级人工智能 史忠植,24,数据仓库和知识发现技术的结合(1),知识发现成为数据仓库中进行数据深层分析的一种必不可少的手段 数据仓库是面向决策分析的，数据仓库从事务型数据抽取并集成得到的分析型数据后，需

14、要各种决策分析工具对这些数据进行分析和挖掘，得到有用的决策信息。而知识发现技术具备从大量数据中发现有用信息的能力。,2023/3/20,高级人工智能 史忠植,25,数据仓库和知识发现技术的结合(2),数据仓库为知识发现提供经过良好预处理的数据源 知识发现往往依赖于经过良好组织和预处理的数据源，数据的好坏直接影响知识发现的效果。数据仓库具有从各种数据源中抽取数据，并对数据进行清洗、聚集和转换等各种处理的能力,2023/3/20,高级人工智能 史忠植,26,数据挖掘概念-发展,1989 IJCAI会议：数据库中的知识发现讨论专题Knowledge Discovery in Databases(G.

15、Piatetsky-Shapiro and W.Frawley,1991)1991-1994 KDD讨论专题Advances in Knowledge Discovery and Data Mining(U.Fayyad,G.Piatetsky-Shapiro,P.Smyth,and R.Uthurusamy,1996)1995-1998 KDD国际会议(KDD95-98)Journal of Data Mining and Knowledge Discovery(1997)1998 ACM SIGKDD,SIGKDD1999-2002 会议,以及SIGKDD Explorations数据挖掘

16、方面更多的国际会议PAKDD,PKDD,SIAM-Data Mining,(IEEE)ICDM,DaWaK,SPIE-DM,etc.,2023/3/20,高级人工智能 史忠植,27,数据挖掘软件的发展,Robert Grossman，National Center for Data Mining University of Illinois at Chicago 的观点,2023/3/20,高级人工智能 史忠植,28,数据挖掘软件的发展,第一代数据挖掘软件,特点支持一个或少数几个数据挖掘算法 挖掘向量数据（vector-valued data）数据一般一次性调进内存进行处理 典型的系统如Sal

17、ford Systems公司早期的CART系统(www.salford-)缺陷如果数据足够大，并且频繁的变化，这就需要利用数据库或者数据仓库技术进行管理，第一代系统显然不能满足需求。,2023/3/20,高级人工智能 史忠植,29,数据挖掘软件的发展,第一代数据挖掘软件 CBA新加坡国立大学。基于关联规则的分类算法，能从关系数据或者交易数据中挖掘关联规则，使用关联规则进行分类和预测,2023/3/20,高级人工智能 史忠植,30,数据挖掘软件的发展,第二代数据挖掘软件,特点与数据库管理系统（DBMS）集成 支持数据库和数据仓库，和它们具有高性能的接口，具有高的可扩展性 能够挖掘大数据集、以及更

18、复杂的数据集 通过支持数据挖掘模式（data mining schema）和数据挖掘查询语言增加系统的灵活性 典型的系统如DBMiner，能通过DMQL挖掘语言进行挖掘操作缺陷只注重模型的生成，如何和预言模型系统集成导致了第三代数据挖掘系统的开发,2023/3/20,高级人工智能 史忠植,31,数据挖掘软件的发展,第二代数据挖掘软件 DBMiner,2023/3/20,高级人工智能 史忠植,32,数据挖掘软件的发展,第二代软件 SAS Enterprise Miner,2023/3/20,高级人工智能 史忠植,33,数据挖掘软件的发展,第三代数据挖掘软件,特点和预言模型系统之间能够无缝的集成，

19、使得由数据挖掘软件产生的模型的变化能够及时反映到预言模型系统中 由数据挖掘软件产生的预言模型能够自动地被操作型系统吸收，从而与操作型系统中的预言模型相联合提供决策支持的功能 能够挖掘网络环境下（Internet/Extranet）的分布式和高度异质的数据，并且能够有效地和操作型系统集成 缺陷不能支持移动环境,2023/3/20,高级人工智能 史忠植,34,数据挖掘软件的发展,第三代软件 SPSS Clementine,以PMML的格式提供与预言模型系统的接口,2023/3/20,高级人工智能 史忠植,35,数据挖掘软件的发展,第四代数据挖掘软件,特点目前移动计算越发显得重要，将数据挖掘和移动计

20、算相结合是当前的一个研究领域。第四代软件能够挖掘嵌入式系统、移动系统、和普适计算（ubiquitous）计算设备产生的各种类型的数据第四代数据挖掘原型或商业系统尚未见报导，PKDD2001上Kargupta发表了一篇在移动环境下挖掘决策树的论文，Kargupta是马里兰巴尔的摩州立大学（University of Maryland Baltimore County）正在研制的CAREER数据挖掘项目的负责人，该项目研究期限是2001年4月到2006年4月，目的是开发挖掘分布式和普适计算（Ubiquitous）设备的第四代数据挖掘系统。,2023/3/20,高级人工智能 史忠植,36,Questions?!,