《第4章数据选择资料教程》由会员分享，可在线阅读，更多相关《第4章数据选择资料教程（17页珍藏版）》请在金锄头文库上搜索。
1、,1,数据挖掘原理与SPSS Clementine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,3,4.1 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。记录间通过键值加以区别。关系表中的
2、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。,5,4.1.2 数据仓库,数据仓库（Data Warehouse）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。,6,4.1.2 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
3、，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，它依赖于客户的需要以及所采集数据的数量。,7,4.1.2 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（Multidimensional Data Analysis），也称为联机分析处理（OLAP，Online Analytical Processing）。下图显示了仓储过程的关键组件。,数据仓库过程模型,8,4.1.
4、3 文本,文本数据一般存放在文本数据库中。文本数据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。,9,4.1.3 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,10,4.1.4 Web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
5、问题，为用户提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。,11,4.1.4 Web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。,12,4.1.5 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与空间相关的数据，例如地图、
6、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。,13,4.1.5 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。,14,4.2 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。,15,4.2 选择建模数据,以下是构建发现潜在用户模型的数据选择： 户外运动用品商向运动爱好者销售服装。为了发现潜在的用户，户外运动用品商从Power列表公司购买了潜在用户列表。列表包含了姓名、地址和35个人口统计学和心理学属性。户外运动用品商使用选择策略后仅选择了3055岁的男性，给他们寄去了可跟踪的用品目录。经过三个月的运作，响应和销售额与原始记录一起生成一个建模数据集。,16,4.2 选择建模数据,从各种数据源中选择建模数据,17,谢谢观赏,谢谢观赏,
