数据仓库和数据挖掘技术复习提纲(2007-2008-2)
数据挖掘复习提纲
《数据挖掘》复习提纲第一章数据挖掘概述1、什么是数据挖掘从大量数据中挖掘有用的知识2、数据挖掘的动机数据丰富，信息贫乏3、数据挖掘的同义词从数据中挖掘知识,知识提炼,数据/模式分析,数据考古,数据捕捞、信息收获、资料勘探等等4、知识发现的过程1.数据清理2.数据集成3.数据选择4.数据变换5.数据挖掘6.模式评估7.知识表示5、数据挖掘和知识发现是一回事吗？数据挖掘是知识发现过程的一个步骤6、数据挖掘可以挖掘的两类模式？描述性的数据挖掘，预测性的数据挖掘7、常用的数据挖掘技术？概念/类描述: 特性化和区分,挖掘频繁模式、关联和相关,分类和预,聚类分析,离群点（孤立点）分析,趋势和演变分析8、什么是离群点？离群点总是被抛弃的吗？离群点:一些与数据的一般行为或模型不一致的孤立数据。
通常孤立点被作为“噪音”或异常被丢弃，但在欺骗检测中却可以通过对罕见事件进行孤立点分析而得到结论9、挖掘的所有模式都是有趣的吗？什么样的模式是有趣的？如何度量模式的有趣度？一个数据挖掘系统/查询可以挖掘出数以千计的模式, 并非所有的模式都是有趣的易于理解，在某种必然程度上，对于新的或检验数据是有效的，是潜在有用的，是新颖的，符合用户确信的某种假设客观: 基于模式的统计和结构, 例如, 支持度, 置信度, 等.主观: 基于用户对数据的确信, 例如, 出乎意料, 新颖性, 可行动性等.10、数据挖掘原语类型？任务相关的数据，挖掘的知识类型，背景知识，模式相关度度量，发现模式的可视化第二章数据预处理1、现实世界中的数据是“脏”的，主要体现在哪几个方面？数据为什么脏？不完整、含噪声和不一致不完全数据源于：数据收集时未包含，数据收集和数据分析时的不同考虑.，人/硬件/软件问题噪音数据源于：收集数据的设备可能出现故障，数据输入时人为录入错误，数据传输错误不一致数据源于：不同的数据源，数据代码不一致（日期格式）2、为什么要进行数据预处理？现实世界的数据一般是脏的、不完整的和不一致的。
数据仓库和数据挖掘复习
数据仓库和数据挖掘复习第一章数据仓库和数据挖掘概述一、概念题1、数据仓库的定义是什么？答：数据仓库是面向主题的、集成的、稳定的、不同时间的数据集合，用于支持经营管理中央决策制定过程。
2、数据仓库的特点是什么？答：数据仓库的特点是：（1）数据仓库是面向主题的；（2）数据仓库是集成的；（3）数据仓库是稳定的；（4）数据仓库是随时间变化的；（5）数据仓库中的数据量大；（6）数据仓库软硬件要求较高。
3、什么是商业智能？答：商业智能以数据库为基准，通过联机分析处理和数据挖掘技术帮助企业领导者针对市场变化的环境，做出快速、准确的决策。
二、简答题1、数据仓库和数据挖掘的区别和联系。
区别：数据仓库是一种存储技术，它的数据存储量是一般数据库的100倍，它包含大量的历史数据、当前的详细数据以及综合数据。
它能适应于不同用户对不同决策需要提供所需的数据和信息。
数据挖掘是从人工智能机器学习中发展起来的。
它研究各种方法和技术，从大量的数据中挖掘出有用的信息和知识。
联系：数据仓库和数据挖掘都是决策支持新技术。
但他们有着完全不同的辅助决策方式。
数据仓库中存储着大量辅助决策的数据，它为不同的用户随时提供各种辅助决策的随机查询、综合信息或趋势分析信息。
数据挖掘是利用一系列算法挖掘数据中隐含的信息和知识，让用户在进行决策中使用。
第二章 数据仓库原理一、概念题1、数据仓库结构图是什么？2、数据集市的定义是什么？答：数据集市是指具有特定应用的数据仓库，主要针对某个具有战略意义的应用或者具体部门级的应用，支持用户利用已有的数据获得重要的竞争优势或者找到进入新市场的具体解决方案，它包括两种，即独立的数据集市，它的数据直接来源于各生产系统；从属数据集市，它的数据直接来自于中央数据仓库。
3、多维数据模型有哪些？答：对于逻辑数据模型，使用的多维数据模型主要有星型模型、雪花模型、星网模型、第三范式等。
4、ETL 过程是什么？答：数据仓库的数据获取需要经过抽取、转换、装载三个过程，即ETL 过程。
数据仓库复习提纲
数据仓库复习提纲-标准化文件发布号：（9456-EUATWK-MWUB-WUNN-INNUL-DDQTY-KII数据库应用技术（数据仓库与数据挖掘复习提纲）说明：考试形式：闭卷考试题型：填空、选择、判断、名词解释、简答题、综合题。
（由于试题是随机从试题库中抽取，有可能抽取的试题中不会全部包含上述的所有题型）另外：本提纲仅针对试题中的名词解释、简答题和综合题提供复习参考，不包括填空、选择、判断等其它题型的参考。
一、名词解释：1、数据仓库：是面向主题的、综合的、不同时间的、稳定的数据的集合，用以支持经营管理中的决策制定过程；2、数据挖掘：就是从大量数据中获取有效的、新颖的、潜在有用的、最终可以理解的模式的过程；简单的说是从大量数据中提取或挖掘知识，又被称为数据库中的知识发现。
3、操作数据存储：是一种DW的混合形式，它面向主题的、及时的、最近的和集成的信息，用于支持企业的日常的全局应用和决策制定，其中数据可以作为DW的通用数据源。
4、OLAP：是数据库系统主要应用，支持复杂的分析操作，侧重决策支持，且提供直观易懂的结果。
5、商业智能：是数据仓库（DW）、联机分析处理（OLAP）、数据挖掘等技术与资源管理系统ERP结合起来应用于商业活动实际过程中，实现了技术服务于决策的目的。
二、简答题：1、试叙述数据仓库系统与传统数据库系统的区别：（1）、操作型数据库中的数据针对事务处理任务，各个业务系统之间各自分离，而数据仓库中的数据是按照一定的主题域进行组织的；（2）、操作型数据库通常与某些特定的应用相关，数据库之间相互独立，并且往往是并构的，而数据仓库中的数据在对原有分期的数据库数据做抽取、清理的基础上经过系统的加工、汇总和整理得到的；（3）、操作型数据库中的数据通常实时更新，数据根据需要及时发生变化，数据仓库的数据主要用于决策分析，对涉及的数据操作主要是数据查询和定期更细，一旦某个数据加载到数据仓库以后，一般情况下将作为数据档案长期保存；（4）、操作型数据库主要关心当前某一个时间段内的数据，而数据仓库中的数据通常包含较久远的历史单位，因此总是包括一个时间维，以便可以研究趋势和变化。
数据挖掘与数据仓库复习资料
数据挖掘与数据仓库复习资料2010—04—07 16:511数据仓库与数据挖掘的关系大多数数据挖掘工具需要在集成的、一致的、经过清理的数据上进行挖掘.数据挖掘过程中所需要的数据处理与分析工具完全可以在数据仓库的数据处理与数据分析工具中找到，数据仓库中的OLAP完全可以为数据挖掘提供有关的数据操作支持数据挖掘技术在数据仓库中的应用，正好弥补了数据仓库只能提供大量数据，而无法进行深度信息分析的缺陷。
2数据仓库与传统数据库长期共存首先,企业内数据库与数据仓库将长期共存。
其次，数据库是数据仓库的基础。
第三，在技术实现方面，数据库与数据仓库几乎没有差别。
第四，不要脱离企业的实际,盲目地、片面地、甚至是赶时髦地去实施数据仓库.第五，数据仓库在能够为企业带来利益的同时，在支持企业信息决策中也存在一些局限性。
总之，不要过分夸大数据仓库与传统数据库的差异，不要过分夸大数据仓库系统的作用、贬低数据库系统的作用。
数据库与数据仓库将长期共存下去。
3挖掘与信息的关系4弥补传统数据库不足传统数据库的主要任务是进行事务处理，它所关注的是事务处理的及时性、完整性与正确性，而在数据的分析处理方面,则存在着诸多的不足,主要体现在缺乏集成性、主题不明确等几个方面.1．集成性的缺乏首先，业务数据库系统的条块与部门分割，导致数据分布的分散化与无序化.其次，业务数据库缺乏统一的定义与规划,导致数据定义存在歧义。
2．主题不明确3．分析处理效率低5数据仓库的特点和主题特点：数据仓库是面向主题的数据仓库是集成的数据仓库是稳定的数据仓库是随时间变化的数据仓库的数据量很大数据仓库软硬件要求较高6体系结构（三个层次）数据集市结构数据集市结构或称为主题结构的数据仓库是按照主题进行构思所形成的数据仓库，没有一个独立的数据仓库.系统的数据不存储在同一数据仓库中，每个主题有自己的物理存储区。
单一数据仓库结构将所有的主题都集中到一个大型数据库中的体系结构.数据源中数据被按照同一标准抽取到独立的数据仓库中，用户在使用时再根据主题将数据仓库中的数据发布到数据集市中。
数据仓库与数据挖掘复习提纲
数据仓库与数据挖掘复习提纲-标准化文件发布号：（9456-EUATWK-MWUB-WUNN-INNUL-DDQTY-KII数据库应用技术（数据仓库与数据挖掘复习提纲）说明：考试形式：闭卷考试题型：填空、选择、判断、名词解释、简答题、综合题。
（由于试题是随机从试题库中抽取，有可能抽取的试题中不会全部包含上述的所有题型）另外：本提纲仅针对试题中的名词解释、简答题和综合题提供复习参考，不包括填空、选择、判断等其它题型的参考。
一：名词解释数据仓库、数据挖掘、OLAP、ODS（操作数据存储）二．简答题1．试述数据仓库系统与数据库系统的区别与相似之处。
2．试述数据仓库设计的步骤以及每一步所完成的工作。
3．OLAP与OLTP的区别有哪些？它们适合于运行在同一个服务器上吗为什么4．在数据挖掘前，为什么要对数据进行预处理，数据预处理的有哪些主要的处理方法？5．在现实世界的数据中，元组在某些属性上缺少值是常有的。
描述处理该问题的各种方法。
6.什么是数据仓库中的元数据，元数据包含哪些内容其重要性体现在哪些方面7.试述ODS在“DB-ODS-DW”体系结构中的作用。
8.请解释OLAP中维、维层次与维成员的概念，并举例说明。
9. 数据仓库中的数据是数据库中数据的简单堆积吗它有哪些常用的数据组织方式10．数据仓库和数据集市的区别是什么数据仓库的体系环境具有什么特点有哪些建立数据仓库体系化环境的方法它们各有何优劣11.数据仓库的设计包括哪些内容？12.在内容和使用者方面，数据仓库环境中的元数据与操作型环境中的元数据有何异同？13.为了提高数据仓库的性能，可以在哪些方面作一些努力在各个方面分别采用什么样的技术这些技术易于实现吗14.OLAP提供哪些基本操作？15.OLAP服务器有哪些实现方法它们的优劣是什么16.为什么不能依靠传统的业务处理系统进行决策分析17.自然演化体系结构中存在的问题？18.试述建立多维数据库的过程。
19．数据挖掘的主要方法。
数据仓库与数据挖掘复习资料
1.数据仓库的概念和特点p11定义：一个面向主题的、集成的、非易失的且随时间变化的数据集合，用来支持管理人员作出决策。
特性：面向主题的、集成的、非易失的、随时间不断变化的。
1、面向主题的：数据仓库以一个奇特或组织机构中固有的业务主题作为处理的主体，是从整体的、全局的角度来衡量这些主题在企业中的作用。
2、集成的：数据仓库必须将不一致的数据进行有效的集成，使之在数据仓库中有一致性的表示形式。
一致性问题只是集成所包含的一部分工作，另外还需要根据主题进行有效的数据组织。
3、非易失性：一旦操作型数据进入数据仓库，只要数据未超过数据仓库的数据存储期限，通常不对数据进行更新操作，而只进行查询操作。
即不进行一般意义上的更新，而且与操作型数据相比，更新频率要低得多，对时间的要求更为宽松。
4、随时间不断变化的（数据因时而变的特点）《与操作型数据比较的，书上14页》：（1）数据仓库中的数据的时间期限要远远长于操作型环境中的数据的时间期限。
操作型环境一般60-90天，数据仓库5-10年。
一个数据仓库的大小一般都是在100GB以上通常，数据仓库系统应该包含下列程序：（1）抽取数据与加载数据（2）整理并转换数据（采用一种数据仓库适用的数据格式）（3）备份与备存数据（4）管理所有查询（即将查询导向适当的数据源）数据仓库中的数据只是一系列某一时刻所生成的数据的复杂快照。
数据仓库的键码结构总是包含某时间元素。
2.数据仓库中的关键概念14外部数据源：就是从系统外部获取的同分析主题相关的数据。
数据抽取：是数据仓库按分析的主题从业务数据库抽取相关数据的过程。
现有的数据仓库产品几乎都提供关系型数据接口，提供抽取引擎以从关系型数据中抽取数据。
数据清洗：从多个业务系统中获取数据时，必须进行必要的数据清洗，从而得到准确的数据。
所谓“清洗”是指在放入数据仓库之前将错误的、不一致的数据予以更正或删除，以免影响DSS决策的正确性。
（15页有例子）数据转换：各种数据库产品所提供的数据类型可能不同，需要将不同格式的数据转换成统一的数据格式，称为数据转换。
数据仓库和数据挖掘技术复习提纲
数据仓库和数据挖掘技术复习提纲一．数据仓库导论1．数据仓库的定义及其基本特征。
2．数据仓库与传统数据库的区别。
．综述建设数据仓库的必要性。
二．数据仓库的体系结构1．数据仓库系统的结构及各部分的主要功能。
2．数据仓库的结构及各部分的主要功能。
3．简述星型模型的结构特征。
．综述元数据的定义及作用。
三．数据仓库设计1．简述数据仓库开发的生命周期。
2．简述数据仓库的技术体系结构及各模块的功能。
3．数据仓库高层建摸与中间层建摸的区别和联系。
4．在数据仓库物理建摸时，如何提高的性能。
5．什么是粒度，进行粒度设计的基本方法是什么。
．综述数据仓库开发的步骤及各步骤之间的联系。
四．数据仓库管理技术1．什么是休眠数据，产生休眠数据的原因是什么。
2．综述邻线存储方案的基本思想及实现方法。
3．简述元数据的管理方法和使用方法。
4．数据仓库增量式更新的主要技术是什么．防止数据仓库中数据急剧增长的主要方法是什么五．联机分析处理1．的定义及主要特征。
2．图示与的关系。
3．举例说明什么是的切片、切块、下钻操作。
4．和的主要区别是什么。
5．和（多维数据库）的区别是什么。
6．分析的基本步骤。
．什么是，它有什么意义。
六．数据挖掘技术1．什么是数据挖掘，它与传统分析方法的主要区别是什么。
2．数据挖掘有那些主要方法。
3．什么是关联规则？举例说明。
4．简述关联规则的支持度，可信度的定义，并举例说明。
5．简述算法的基本思想。
6．设有交易数据库如图所示。
若最小支持度计数阈值为，最小可信度计数阈值为，试按算法求出<> 频繁项集<> 关联规则<> 根据你的理解，说明这些关联规则的意义，并指出使用那一条规则，公司可能赢利。
数据仓库与挖掘复习资料
数据仓库与挖掘复习资料一、第一章1、元数据是描述数据仓库内数据的结构和建立方法的数据，它为访问数据仓库提供了一个信息目录，根据元数据用途的不同可将数据仓库的元数据分为技术元数据和业务元数据两类。
2、数据处理通常分成两大类：联机事务处理和联机分析处理。
3、多维分析是指对以“维”形式组织起来的数据（多维数据集）采取切片、切块、钻取和旋转等各种分析动作，以求剖析数据，使用户能从不同角度、不同侧面观察数据仓库中的数据，从而深入理解多维数据集中的信息。
5.ROLAP是基于关系数据库的OLAP实现，而MOLAP是基于多维数据结构组织的OLAP实现。
12、简述数据仓库4种体系结构的异同点及其适用性。
（1）两层架构。
（2）独立型的数据集市。
采用这种体系结构的优点是其方便性，可快速启动，这个数据仓库架构可通过一系列的小项目来实现。
（3）依赖型数据集市和操作型数据存储。
优势是它们可以处理各个用户群的需求，甚至是探索性数据仓库的需求。
（4）逻辑型数据集市和实时数据仓库。
是建立数据仓库的一种较佳方法，特别是在硬件性能不断提高，成本不断下降的条件下。
14、请列出3种数据仓库产品，并说明其优缺点。
答：1、IBM公司提供了一套基于可视化数据仓库的商业智能BI解决方案。
2、Oracle数据仓库解决方案主要包括Oracle Express和Oracle Discover两个部分。
3、Microsoft 将OLAP功能集成到SQL Server数据库中，其解决方案包括BI平台、BI终端工具、BI门户和BI应用四个部分。
二、什么是数据挖掘？（p4)数据挖掘就是从从大量数据数据中提取或“挖掘”知识，又被称为数据库中的知识发现。
三、数据仓库与传统的数据库有何区别？（1）数据库是面向事务的设计，数据仓库是面向主题设计的。
（2）数据库一般存储在线交易数据，数据仓库存储的一般是历史数据。
（3）数据库设计是尽量避免冗余，一般采用符合范式的规则来设计，数据仓库在设计时有意引入冗余，采用反范式的方式来设计。
数据挖掘 复习题纲
数据仓库与数据挖掘复习题1、什么是数据仓库？数据仓库的特点有哪些？2、简述数据仓库的四种体系结构的异同点及其适用性。
3、什么是数据仓库的三层结构？什么是数据ETL过程？星型模式的定义与特征是什么？4、什么是信息包图法？请画出Adventure Works Cycles公司销售情况的信息包图法。
（1）获取各个业务部门对业务数据的多维特性分析结果，确定影响销售额的维度，包括时间、区域、产品和客户等维度。
（2）对每个维度进行分析，确定维度与类别之间的传递和映射关系，如在Adventure Works业务数据库中，时间维有年度，季度，月和日等级别，而区域分为国家、省州、城市和具体的销售点。
（3）确定用户需要的度量指标体系，这里以销售情况作为事实依据确定的销售相关指标包括实际销售额、计划销售额和计划完成率等。
5、设定,使用Aprori算法完成下表所示的数据集关联规则的挖掘。
交易号TID 商品ItemsT1 A B CT2 A CT3 A DT4 B E F6、对于下表所示的数据集，利用决策树ID3算法构造决策树。
Age Salary Class<=40 High C1<=40 High C1<=40 Low C241~50 High C1<=40 Low C2>50 Low C1>50 Low C1>50 High C241~50 High C17、给定训练集为,其中，每个训练样本是一个二维特征微量；为类标号，即训练集中的数据样本包含两个类别。
现有：+1+1+1-1-1-1-1分别用最近邻分类方法、k—近邻分类方法（k=3）对x8进行分类。
8样本序号描述属性1 描述属性2x1 6 4X2 7 5X3 6 3X4 4 6X5 3 89、计算有酒精味、头疼、X射线检查呈阳性时，患脑瘤的概率，也就是计算P(BT|SA,HA,PX)。
10对象x 属性1 属性2 属性31 1 1 32 1 1 33 2 1 14 3 2 2P(PT) P(BT)True 0.2 0.001False 0.8 0.999P(HO|PT) PT=T PT=FTrue 0.7 0False 0.3 1P(SA|HO) HO=T HO=FTrue 0.8 0.1False 0.2 0.9 P(PX|BT) BT=T BT=FTrue 0.98 0.01False 0.02 0.99P(HA|HO,BT) HO=T HO=FBT=T BT=F BT=T BT=FTrue 0.99 0.7 0.9 0.02False 0.01 0.3 0.1 0.985 3 2 16 2 1 2令，求：（1）由分别形成的等价划分。
数据挖掘期末复习提纲(整理版)
1.熟悉数据挖掘的流程：提示：1）业务理解2）数据理解3）数据准备4）建立模型5）模型评估6）模型发布2.数据库系统与数据仓库系统的区别：数据仓库是一个面向主题的、集成的、时变的和非易失的数据集合，支持管理部门的决策过程：而数据库是面向具体操作的、单一的、实时的、更新的数据集合，支持管理机构日常操作的。
数据库系统的主要任务是执行联机事务和查询处理，这种系统称为OLTP系统，涵盖了组织机构的大部分日常操作；另一方面，数据仓库在数据分析和决策方面为用户和知识工人提供服务。
3. 数据聚合需考虑的问题;4. 利用免费商品做促销的关联规则挖掘问题：1）找到免费商品的频繁1—项集，记为S1。
2）使用FP增长算法生成那些价格不少于$200的频繁项集，记为S2。
这是一个单调约束，因此不必要在每一步使用“生成—测试”过程，这样能节省一些不必要的计算开销。
如果我们有一个频繁项价格至少￥200，则没必要对这个频繁项的任何超集进行测试。
这是因为任何其他商品加到这个频繁项里，价格肯定会增多。
需要检验的是超集是否是频繁的。
这里之所以使用FP增长算法的原因是Apriori算法丢弃了那些价格低于$200的频繁项集。
这样导致了将不能够发现满足约束条件的频繁项集。
FP增长算法不会有这样的问题，因为它保留了关于数据库的完整信息在一个树结构中。
3）从S1S2中找到频繁项集。
4）生成满足最小置信度且形如2S 的规则。
1S5.分布式数据的关联规则挖掘方法：第一．在每一个站点挖掘局部频繁项集，设CF为四个站点的局部频繁项集的并集；第二．计算CF中每个频繁项集在各个站点的支持度计数；第三．计算CF中每个项集的全局支持度计数，可以通过将它在四个站点的局部支持度计数累加起来；那些全局支持度大于支持度阀值的项集为频繁项集；第四．从全局频繁项集里导出强规则。
6.急切分类、惰性分类的优缺点：急切分类比惰性分类在速度上要更快。
因为它在接受新的待测数据之前已经构造了一个概括的模型。
数据仓库与数据挖掘复习资料
概念
• “清洗”就是将错误的、不一致的数据在进 入数据仓库之前予以更正或删除，以免影 响DSS决策的正确性。
• 元数据：是用来描述数据的数据。它描述 和定位数据组件、它们的起源及它们在数 据仓库进程中的活动；关于数据和操作的 相关描述(输入、计算和输出)。元数据可用 文件存在元数据库中。
Data Warehouse
Selection
Data Cleaning Data Integration
Databases
A5
预处理：对数据列的基本处理
– 对于数据挖掘十分重要的一些特例的分布情况：
• 只有一种值的列
– 缺乏任何信息内容，忽略。
– 例如：1. null，no，0
–
2. 如建立一个模型预测新泽西州的汽车客户损失率，关
星型结构和雪花型结构
• 星型结构
–通过将事实表和维表进行连接，我们就可以得 到“星型结构”(Star-Scheme)。
雪花型结构
• 实际应用需求并不像标准星型结构描述的那么简 单，当问题涉及的维度很多时，事实表中的条目 数将迅速增长。
• 假定原来的事实表条目数为m，增加一个具有n个 条目的维表，通常，事实表的条目数将变成mn条， 这样事实表所占用的存储空间将迅速增大。
• Cluster analysis 聚类分析
– Class label类标记 is unknown: Group data to form new classes, e.g., cluster houses to find distribution patterns
数据仓库与数据挖掘复习资料
数据仓库与数据挖掘简答题资料1.数据库与数据仓库的本质差别？《第一章》答：a.数据库是用于事务处理，数据仓库用于决策分析；b.数据库保持事务处理的当前状态，数据仓库既保存过去的数据又保存当前的数据；c.数据仓库的数据是大量数据库的集成；d.对数据库的操作比较明确，操作数据量少。
对数据仓库操作不明确，操作数据量大。
e.数据库是细节的、在存取时准确的、可更新的、一次操作数据量小、面向应用且支持管理；数据仓库是综合或提炼的、代表过去的数据、不更新、一次操作数据量大、面相分析且支持决策。
2.联机分析处理（OLAP）的简单定义是什么？它体现的特征是什么？《第三章》联机分析处理简单定义：即OLAP是共享多维信息的快速分析。
体现了4个特征：a.快速性：用户对OLAP的快速反应能力有很高的要求。
b.可分析性：OLAP系统应能处理与应用有关的任何逻辑分析和统计分析。
c.多维性：多维性是OLAP的特点，系统必须提供对数据分析的多维视图和分析，包括对层次维和多重层次维的完全支持。
d.信息性：不论数据量有多大，也不管数据存储在何处，OLAP系统都应能及时获得信息，并且管理大容量信息。
3.数据仓库两类用户有什么本质的不同？《第五章》数据仓库的用户有两类：信息使用者和探索者。
信息使用者是使用数据仓库的大量用户，信息使用者以一种可预测、重复性的方式使用数据仓库。
探索者完全不同于信息使用者，他们有一个完全不可预测的、非重复性的数据使用模式。
探索者查看海量详细数据，而概括数据则会妨碍探索者的数据分析。
探索者经常查看历史数据，且查看时间比使用者长的多。
探索者的任务是寻找公司数据内隐含的价值并且根据过去的事件努力预测未来决策的结果。
探索者是典型的数据挖掘者。
4.信息论的基本原理是什么？《第七章》一个传递信息的系统是由发送端(信源)和接收端(信宿)以及连接两者的通道(信道)组成的。
信息论把通信过程看做是在随机干扰的环境中传递信息的过程。
数据仓库与数据挖掘复习.doc
复习资料%1.名词解释1.数据仓J车：数据仓库是为企业所有级别的决策制定过程提供支持的所有类型数据的战略集合。
它是单个数据存储，出于分析性报告和决策支持的目的而创建。
为企业提供需要业务智能来指导业务流程改进和监视时间、成本、质量和控制。
2.螺旋式周期性开发方法：针对未来航空电了系统而临的挑战和航空电了系统设计的特点，提出了基于原型仿真的航空电子系统螺旋式开发方法3 .数据仓库元数据:在数据仓库中，无数据是描述数据仓库数据的结构和建立方法的数据。
4数据才努掘：是数据库知识发现中的一个步骤。
数据挖掘一般是指从大量的数据中通过算法搜索隐藏于其中信息的过程。
数据挖掘通常与计算机科学有关，并通过统计、在线分析处理、情报检索、机器学习、专家系统和模式识别等方法来实现目标。
5.数据集市：一种更小、更集中的数据仓库。
原始数据从数据仓库流入不同的部门以支持这些部门的定制化使用。
这些部门级的数据库就称为数据集市。
迎合了专业用户群体的特殊需求。
二、简答题1.为什么不能依靠传统的业务处理系统进行决策分析？传统业务系统数据量少，不能用来做出正确的预测，是针对口常事务处理而设计的，因此不能支持短时间内大量数据的分析和计算；传统业务系统数据杂乱，可能存在大量的坏数据以及异常数据，会影响决策分析的正确性。
如果在传统业务系统中进行决策分析，那么必然会影响到系统的使用2.数据粒度，数据粒度划分策略数据仓库中数据的细化和综合程度。
划分为：详细数据、轻度总结、高度总结三级。
原则：细化程度越高，粒度越小；细化程度越低，粒度越大。
3 .数据仓库的体系结构数据源、数据存储和管理、OLAP服务器以及前端工具与应用四个部分4. MOLAP和ROLAP在OLAP的数据存储特点MOLAP基本数据和聚合数据存放于多维数据集中，ROLAP基本数据和聚合数据均存放在RDBMS之中5 .请列出常见的现代数据挖掘技术知识发现技术、规则型挖掘技术、神经网络型挖掘技术、遗传算法型挖掘技术、粗糙型挖掘技术、决策树型挖掘技术、三、简述美联规则挖掘算法Apriori的算法思想并说明如何利用Apriori性质生成频繁项集。
数据仓库复习资料提纲
数据库应用技术（数据仓库与数据挖掘复习提纲）说明：考试形式：闭卷考试题型：填空、选择、判断、名词解释、简答题、综合题。
（由于试题是随机从试题库中抽取，有可能抽取的试题中不会全部包含上述的所有题型）另外：本提纲仅针对试题中的名词解释、简答题和综合题提供复习参考，不包括填空、选择、判断等其它题型的参考。
一、名词解释：1、数据仓库：是面向主题的、综合的、不同时间的、稳定的数据的集合，用以支持经营管理中的决策制定过程；2、数据挖掘：就是从大量数据中获取有效的、新颖的、潜在有用的、最终可以理解的模式的过程；简单的说是从大量数据中提取或挖掘知识，又被称为数据库中的知识发现。
3、操作数据存储：是一种DW的混合形式，它面向主题的、及时的、最近的和集成的信息，用于支持企业的日常的全局应用和决策制定，其中数据可以作为DW的通用数据源。
4、OLAP：是数据库系统主要应用，支持复杂的分析操作，侧重决策支持，且提供直观易懂的结果。
5、商业智能：是数据仓库（DW）、联机分析处理（OLAP）、数据挖掘等技术与资源管理系统ERP结合起来应用于商业活动实际过程中，实现了技术服务于决策的目的。
二、简答题：1、试叙述数据仓库系统与传统数据库系统的区别：（1）、操作型数据库中的数据针对事务处理任务，各个业务系统之间各自分离，而数据仓库中的数据是按照一定的主题域进行组织的；（2）、操作型数据库通常与某些特定的应用相关，数据库之间相互独立，并且往往是并构的，而数据仓库中的数据在对原有分期的数据库数据做抽取、清理的基础上经过系统的加工、汇总和整理得到的；（3）、操作型数据库中的数据通常实时更新，数据根据需要及时发生变化，数据仓库的数据主要用于决策分析，对涉及的数据操作主要是数据查询和定期更细，一旦某个数据加载到数据仓库以后，一般情况下将作为数据档案长期保存；（4）、操作型数据库主要关心当前某一个时间段内的数据，而数据仓库中的数据通常包含较久远的历史单位，因此总是包括一个时间维，以便可以研究趋势和变化。
数据挖掘课程复习提纲资料
数据挖掘课程复习提纲（4+0 ）有关考试题型：一、选择题（每题2 分，共16 分）二、判断题（每题1 分，共10 分）三、填空题（每空1 分，共19 分）四、简答题（每题5 分，共15 分）五、计算题（每题10 分，共40 分）基本要求：掌握数据预处理、分类、聚类、关联分析、离群点检测的基本方法，及每类方法的应用场景（每类方法理解、熟悉一个例子）。
算法重点掌握k-means 、一趟聚类、Appriori及基于密度的离群点检测方法；掌握决策树分类（C4.5、CART）、KNN 分类的基本思想，基于聚类的离群点检测方法的思想。
第一章绪论1 数据挖掘的定义技术层面：数据挖掘就是从大量的、不完全的、有噪声的、模糊的、随机的实际应用数据中，提取隐含在其中、人们事先不知道的、但又潜在有用的信息和知识的过程。
商业层面：数据挖掘是一种新的商业信息处理技术，其主要特点是对商业数据库中的大量业务数据进行抽取、转换、分析和其他模型化处理，从中提取辅助商业决策的关键性数据。
2 数据挖掘的任务预测任务：根据其它属性的值预测特定（目标）属性的值，如回归、分类、异常检测。
描述任务：寻找概括数据中潜在联系的模式，如关联分析、聚类分析、序列模式挖掘。
聚类（Clustering）分析“物以类聚，人以群分”。
聚类分析技术试图找出数据集中数据的共性和差异，并将具有共性的对象聚合在相应的簇中。
聚类分析可以帮助判断哪些组合更有意义，聚类分析已广泛应用于客户细分、定向营销、信息检索等领域。
分类（Classification）分析分类分析就是通过分析示例数据库中的数据，为每个类别做出准确的描述，或建立分析模型，或挖掘出分类规则，然后用这个分类模型或规则对数据库中的其它记录进行分类。
分类分析已广泛应用于用户行为分析（受众分析）、风险分析、生物科学等领域。
聚类与分类的区别聚类问题是无指导的：没有预先定义的类。
分类问题是有指导的：预先定义有类。
关联(Association) 分析关联分析是发现特征之间的相互依赖关系，通常是在给定的数据集中发现频繁出现的模式知识(又称为关联规则)。
数据仓库与数据挖掘技术复习资料
数据仓库与数据挖掘技术复习资料一、单项选择题1.数据挖掘技术包括三个主要的部分（ C ）A．数据、模型、技术 B．算法、技术、领域知识C．数据、建模能力、算法与技术 D．建模能力、算法与技术、领域知识2.关于基本数据的元数据是指: ( D )A.基本元数据与数据源,数据仓库,数据集市和应用程序等结构相关的信息；B.基本元数据包括与企业相关的管理方面的数据和信息；C.基本元数据包括日志文件和简历执行处理的时序调度信息；D.基本元数据包括关于装载和更新处理,分析处理以及管理方面的信息。
3.关于OLAP和OLTP的说法,下列不正确的是: ( A)A．OLAP事务量大,但事务内容比较简单且重复率高B．OLAP的最终数据来源与OLTP不一样C．OLTP面对的是决策人员和高层管理人员D．OLTP以应用为核心，是应用驱动的4．将原始数据进行集成、变换、维度规约、数值规约是在以下哪个步骤的任务？( C )A. 频繁模式挖掘B. 分类和预测C. 数据预处理D. 数据流挖掘5．下面哪种不属于数据预处理的方法？ ( D )A.变量代换B.离散化C. 聚集D. 估计遗漏值6.在ID3 算法中信息增益是指（ D ）A.信息的溢出程度B.信息的增加效益C.熵增加的程度最大D.熵减少的程度最大7.以下哪个算法是基于规则的分类器 ( A )A. C4.5B. KNNC. BayesD. ANN8.以下哪项关于决策树的说法是错误的（ C ）A．冗余属性不会对决策树的准确率造成不利的影响B．子树可能在决策树中重复多次C．决策树算法对于噪声的干扰非常敏感D．寻找最佳决策树是NP完全问题9.假设收入属性的最小与最大分别是10000和90000，现在想把当前值30000映射到区间[0,1],若采用最大－最小数据规范方法，计算结果是（ A ）A. 0.25B. 0.375C.0.125D. 0.510.在抽样方法中，当合适的样本容量很难确定时，可以使用的抽样方法是：( D )A.有放回的简单随机抽样B.无放回的简单随机抽样C.分层抽样D.渐进抽样11.当不知道数据所带标签时，可以使用哪种技术促使带同类标签的数据与带其他标签的数据相分离？( B)A. 分类B.聚类C. 关联分析D. 隐马尔可夫链12.设X={1，2，3}是频繁项集，则可由X产生( C )个关联规则。
数据挖掘复习题纲
一、1.2 数据仓库与数据库有何不同？它们有哪些相似之处?简而言之，数据库是面向事务的设计，数据仓库是面向主题设计的。
数据库一般存储在线交易数据，数据仓库存储的一般是历史数据。
数据库设计是尽量防止冗余，一般采用符合式的规那么来设计，数据仓库在设计是有意引入冗余，采用反式的方式来设计。
数据库是为捕获数据而设计，数据仓库是为分析数据而设计，它的两个根本的元素是维表和事实表。
维是看问题的角度，比方时间，部门，维表放的就是这些东西的定义，事实表里放着要查询的数据，同时有维的ID。
单从概念上讲，有些晦涩。
任何技术都是为应用效劳的，结合应用可以很容易地理解。
以银行业务为例。
数据库是事务系统的数据平台，客户在银行做的每笔交易都会写入数据库，被记录下来，这里，可以简单地理解为用数据库记帐。
数据仓库是分析系统的数据平台，它从事务系统获取数据，并做汇总、加工，为决策者提供决策的依据。
比方，某银行某分行一个月发生多少交易，该分行当前存款余额是多少。
如果存款又多，消费交易又多，那么该地区就有必要设立ATM了。
显然，银行的交易量是巨大的，通常以百万甚至千万次来计算。
事务系统是实时的，这就要求时效性，客户存一笔钱需要几十秒是无法忍受的，这就要求数据库只能存储很短一段时间的数据。
而分析系统是事后的，它要提供关注时间段所有的有效数据。
这些数据是海量的，汇总计算起来也要慢一些，但是，只要能够提供有效的分析数据就到达目的了。
数据仓库，是在数据库已经大量存在的情况下，为了进一步挖掘数据资源、为了决策需要而产生的，它决不是所谓的“大型数据库〞。
那么，数据仓库与传统数据库比拟，有哪些不同呢?让我们先看看W.H.Inmon关于数据仓库的定义:面向主题的、集成的、与时间相关且不可修改的数据集合。
“面向主题的〞:传统数据库主要是为应用程序进展数据处理，未必按照同一主题存储数据;数据仓库侧重于数据分析工作，是按照主题存储的。
这一点，类似于传统农贸市场与超市的区别—市场里面，白菜、萝卜、香菜会在一个摊位上，如果它们是一个小贩卖的;而超市里，白菜、萝卜、香菜那么各自一块。
数据仓库与数据挖掘教学大纲
数据仓库与数据挖掘教学大纲引言概述：数据仓库与数据挖掘是现代信息技术领域中的重要概念，它们在数据分析和决策支持方面起着至关重要的作用。
为了更好地培养学生的数据分析和决策能力，教育机构需要制定一份完善的数据仓库与数据挖掘教学大纲。
本文将从五个大点出发，详细阐述数据仓库与数据挖掘教学大纲的内容。
正文内容：1. 数据仓库基础知识1.1 数据仓库的定义和特点1.2 数据仓库的架构和组成1.3 数据仓库的设计原则1.4 数据仓库的建模方法1.5 数据仓库的维护和管理2. 数据仓库的ETL过程2.1 ETL的定义和作用2.2 数据抽取的方法和技术2.3 数据转换的方法和技术2.4 数据加载的方法和技术2.5 ETL过程的监控和调优3. 数据挖掘的基本概念3.1 数据挖掘的定义和目标3.2 数据挖掘的过程和方法3.3 数据挖掘的常用算法3.4 数据挖掘的应用领域3.5 数据挖掘的评估和验证4. 数据挖掘技术在决策支持中的应用4.1 决策支持系统的定义和特点4.2 数据挖掘在决策支持系统中的作用4.3 数据挖掘在市场营销决策中的应用4.4 数据挖掘在风险评估中的应用4.5 数据挖掘在客户关系管理中的应用5. 数据仓库与数据挖掘的案例分析5.1 案例一：零售业的销售数据分析5.2 案例二：医疗保险的欺诈检测5.3 案例三：社交媒体的用户行为分析5.4 案例四：电信运营商的用户流失预测5.5 案例五：创造业的供应链优化总结：综上所述，数据仓库与数据挖掘教学大纲应包括数据仓库基础知识、ETL过程、数据挖掘的基本概念、数据挖掘技术在决策支持中的应用以及案例分析。
通过系统学习这些内容，学生将能够掌握数据仓库与数据挖掘的理论和实践技能，提升他们在数据分析和决策支持方面的能力。
教育机构应根据实际情况和需求，制定符合学生需求的教学大纲，进一步推动数据仓库与数据挖掘的教育与研究发展。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
数据仓库和数据挖掘技术复习提纲一．数据库、数据库管理系统与数据仓库
1．从传统数据库到数据仓库、数据仓库与传统数据库的区别。
2．数据仓库的定义及其基本特征。
3．数据仓库与数据挖掘的联系和区别。
二．数据仓库原理
1．数据仓库概念结构、总体层次结构及其结构模式。
2．数据集市概念、结构及其特性。
3．数据仓库系统的组成。
4．数据仓库的数据组织。
5．粒度。
6．数据仓库模型、星型模型、物理模型的性能问题。
7．元数据的定义、分类及作用。
三．数据仓库设计与开发
1．数据仓库需求分析、逻辑模型设计的主要工作，星型模型设计的步骤。
2．数据仓库开发过程。
四．联机分析处理
1．OLAP 的相关概念及主要特征。
2．OLAP的数据模型。
3．举例说明什么是OLAP 的切片、上探、下钻操作。
五．数据仓库的管理和应用
1．休眠数据的定义、产生途径、查找及其解决方案。
2．脏数据的定义。
3．数据仓库的决策支持方式。
4．数据仓库应用实例（了解）。
六. 数据挖掘
1．什么是数据挖掘。
2．数据挖掘的步骤、主要功能。
3．数据挖掘的对象。
4．关联规则的基本原理、挖掘过程、分类。
5．Apriori 算法的基本思想，性质、执行过程。
6．基于Fp-tree的关联规则挖掘算法。
7．分类的定义、分类的步骤、分类方法的评估标准。
8．决策树的定义、用途。
9．ID3算法的原理、思想、执行过程。
10．遗传算法的基本概念、要素、处理流程。