青大《數(shù)據(jù)倉庫數(shù)據(jù)挖掘》作業(yè)

《青大《數(shù)據(jù)倉庫數(shù)據(jù)挖掘》作業(yè)》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在教育資源-天天文庫。

1、2012春《數(shù)據(jù)倉庫與數(shù)據(jù)挖掘》復(fù)習(xí)提綱1、商務(wù)智能【參考：BI是一種解決方案，它的目的是把用戶積累下來的、大量的數(shù)據(jù)轉(zhuǎn)化為業(yè)務(wù)容易理解的信息，進(jìn)而輔助決策?！?、Kimball對數(shù)據(jù)倉庫的定義【參考：DW僅僅是構(gòu)成它的數(shù)據(jù)集市的聯(lián)合?！?、Inmon對數(shù)據(jù)倉庫的定義【參考：一個(gè)面向主題的、集成的、隨時(shí)間變化的、非易逝的用于支持管理的決策過程的數(shù)據(jù)集合?！?、ETL【參考：數(shù)據(jù)的提取、轉(zhuǎn)換和裝載，預(yù)處理數(shù)據(jù)并裝在DW中?！?、數(shù)據(jù)倉庫總線矩陣【參考：該矩陣將公司業(yè)務(wù)過程映射到參與這些過程的實(shí)體或?qū)ο?。矩陣的每一行對?yīng)一個(gè)業(yè)務(wù)過程，每一列描述對象，它們參與了各種業(yè)務(wù)過程?！坎殤Z潤厲釤瘞睞櫪廡賴。

2、6、事實(shí)【參考：對一些事件發(fā)生結(jié)果的度量?！?、維度【參考：維度是維度模型的基礎(chǔ)，用來描述業(yè)務(wù)的對象?！?、粒度【參考：事實(shí)表中包含信息的詳盡程度?！?、維度模型【參考：由一個(gè)中心事實(shí)表(或者多個(gè)事實(shí)表)和與其相關(guān)的維度構(gòu)成。事實(shí)表位于中心，而所有維度表環(huán)繞在其周圍，類似于星形結(jié)構(gòu)，因此又把維度模型稱為星形模式?！?0、業(yè)務(wù)過程維度模型【參考：關(guān)于一個(gè)業(yè)務(wù)過程所有的維度模型的集合。】11、多維數(shù)據(jù)集（又稱為數(shù)據(jù)立方體）由維度和一個(gè)或多個(gè)度量組構(gòu)成的多維分析結(jié)構(gòu)，用于OLAP12、部署【參考：將多維數(shù)據(jù)集的定義發(fā)布到OLAP服務(wù)器上的過程。】13、OLAP聯(lián)機(jī)分析處理采用多維數(shù)據(jù)結(jié)構(gòu)和層次結(jié)構(gòu)作

3、為導(dǎo)航，探查匯總數(shù)據(jù)，輔助決策。14、代理鍵【參考：對于DW/BI系統(tǒng)，需要在數(shù)據(jù)倉庫數(shù)據(jù)庫中建立一組與事務(wù)處理源系統(tǒng)中的鍵分離開來的全新的鍵，稱這種鍵為代理鍵?！开?dú)立于業(yè)務(wù)鍵的用于數(shù)據(jù)倉庫中的從ETL中的人工鍵15、漸變維度【參考：屬性值可以改變的維度。分為值的改變需要跟蹤和不需要跟蹤兩種?！?6、聚合【參考：經(jīng)過預(yù)先計(jì)算后形成的匯總表，主要目標(biāo)是用來改進(jìn)查詢性能。】17、星型模型【參考：由一個(gè)事實(shí)表和多個(gè)維度表構(gòu)成的模型。事實(shí)表與維度表是1對多關(guān)系。事實(shí)表位于中心，而所有維度表環(huán)繞在其周圍，類似于星形結(jié)構(gòu)。】聞創(chuàng)溝燴鐺險(xiǎn)愛氌譴凈。18、雪花模型【參考：雪花模型是將維度表中的字段和查找表相連

4、接而得到的結(jié)果?！?9、事實(shí)星座模型由多個(gè)星型模型或雪花模型通過共享維度形成的多事實(shí)表多維度表的模型20、多維數(shù)據(jù)庫【參考：采用多維數(shù)據(jù)組存儲(chǔ)數(shù)據(jù)，主要應(yīng)用于OLAP服務(wù)器的數(shù)據(jù)存5/5儲(chǔ)結(jié)構(gòu)。】1、SQLServer2005的維度層次2、SQLServer2005的屬性層次SQLServerAnalysisService默認(rèn)為每個(gè)維度每個(gè)屬性構(gòu)成的單層結(jié)構(gòu)殘騖樓諍錈瀨濟(jì)溆塹籟。3、數(shù)據(jù)挖掘【參考答案：從海量數(shù)據(jù)中提取有趣模式或知識(shí)（有趣是指：隱含的、非平凡的、事先未知的、潛在有用的）】釅錒極額閉鎮(zhèn)檜豬訣錐。4、數(shù)據(jù)挖掘的兩大類通用功能【參考答案：描述型數(shù)據(jù)挖掘和預(yù)測型數(shù)據(jù)挖掘。前者用于刻畫數(shù)

5、據(jù)集的一般特征，后者對現(xiàn)有數(shù)據(jù)進(jìn)行推演以用于新實(shí)例（某個(gè)屬性的取值）的預(yù)測?！繌椯Q(mào)攝爾霽斃攬磚鹵廡。5、OLAM【參考答案：On-LineAnalyticalMining，聯(lián)機(jī)分析挖掘，將OLAP與數(shù)據(jù)挖掘相互融合進(jìn)行數(shù)據(jù)探查分析，是未來基于數(shù)據(jù)倉庫的數(shù)據(jù)分析的一種趨勢】謀蕎摶篋飆鐸懟類蔣薔。6、簡單了解關(guān)聯(lián)分析（又稱為關(guān)聯(lián)規(guī)則挖掘或購物籃分析）、分類、回歸、聚類分析的功能關(guān)聯(lián)分析：發(fā)現(xiàn)交易數(shù)據(jù)庫中不同商品（項(xiàng)）之間的聯(lián)系分類：預(yù)測離散屬性的取值回歸：預(yù)測連續(xù)屬性的取值聚類分析：將數(shù)據(jù)分類到不同的類或者簇7、數(shù)據(jù)倉庫各環(huán)節(jié)工具（如ETL）的市場占有率最高的公司【參考：（1）OLAP市場，微軟第

6、一；（2）ETL市場三大主流：Powercenter（美國Information公司）—ETL市場老大；DataStage（IBM公司）；ETLAutomation（數(shù)據(jù)倉庫（引擎）老大美國Teradata公司）。DI（DataIntegrator（BO公司）廈礴懇蹣駢時(shí)盡繼價(jià)騷。8、數(shù)據(jù)庫和數(shù)據(jù)倉庫的區(qū)別【參考答案：（1）應(yīng)用目的不同：數(shù)據(jù)庫主要用于構(gòu)建聯(lián)機(jī)事務(wù)處理（OLTP）系統(tǒng)，這種系統(tǒng)自己產(chǎn)生新數(shù)據(jù)，每次事務(wù)處理涉及的記錄數(shù)較少，通常為幾條；而數(shù)據(jù)倉庫主要用于構(gòu)建分析型決策支持系統(tǒng)，這種系統(tǒng)自己不產(chǎn)生新數(shù)據(jù)，所使用的數(shù)據(jù)來自于OLTP系統(tǒng)或其他數(shù)據(jù)源。（2）數(shù)據(jù)的時(shí)間跨度不同：數(shù)據(jù)庫通

7、常存放較新的業(yè)務(wù)數(shù)據(jù)；而數(shù)據(jù)倉庫中存放的是歷史業(yè)務(wù)數(shù)據(jù)，其時(shí)間跨度為5~10年。（3）數(shù)據(jù)的業(yè)務(wù)范圍不同：數(shù)據(jù)庫系統(tǒng)通常關(guān)注局部業(yè)務(wù)范圍的事務(wù)處理；數(shù)據(jù)倉庫通常要關(guān)注整個(gè)企業(yè)的全部業(yè)務(wù)。（4）所采用的設(shè)計(jì)技術(shù)不同：數(shù)據(jù)庫面向事務(wù)，采用三范式（3NF）建模；數(shù)據(jù)倉庫則面向主題，采用三范式（3NF）或維度模型建模。（5）注重的技術(shù)不同：數(shù)據(jù)庫系統(tǒng)存在大量的數(shù)據(jù)查詢和數(shù)據(jù)更新，需要重點(diǎn)考慮包括數(shù)據(jù)更新和