数据仓库与数据挖掘 实验报告册

《数据仓库与数据挖掘》

实验报告册

20 - 20 学年第学期

班级：

学号：

姓名：

授课教师：杨丽华实验教师：杨丽华

实验学时： 16 实验组号： 1

信息管理系

目录

实验一 Microsoft SQL Server Analysis Services的使用 (3)

实验二使用WEKA进行分类与预测 (6)

实验三使用WEKA进行关联规则与聚类分析 (7)

实验四数据挖掘算法的程序实现 (8)

实验一 Microsoft SQL Server Analysis Services的使用

实验类型：验证性实验学时：4

实验目的：

学习并掌握Analysis Services的操作，加深理解数据仓库中涉及的一些概念，如多维数据集，事实表，维表，星型模型，雪花模型，联机分析处理等。

实验内容：

在实验之前，先通读自学SQL SERVER自带的Analysis Manager概念与教程。按照自学教程的步骤，完成对FoodMart数据源的联机分析。建立、编辑多维数据集，进行OLAP操作，看懂OLAP的分析数据。

实验步骤：

1、启动联机分析管理器：开始->程序－>Microsoft SQL Server－>Analysis Manager。

2、按照Analysis Service的自学教程完成对FoodMart数据源的联机分析。

3、在开始-设置-控制面板-管理工具-数据源（ODBC），数据源管理器中设置和源数据的连

接，“数据源名”为你的班级+学号+姓名，如T3730101张雨。

4、在开始-设置-控制面板-管理工具-服务-MSSQLServerOLAPService, 启动该项服务。

在Analysis Manager中，单击服务器名称，即可建立与Analysis Servers 的连接；

否则，在Analysis Servers 上单击右键，注册服务器，在服务器名称中输入本地计算机的名字，如pc56。本地计算机的名字可右击：我的电脑，选择属性，网络标志，里面有本地计算机的名字。建立新的数据库，数据库名与数据源名相同，如T3730101张雨。在你所建立的数据库中，单击“新数据源”，和早期在ODBC 数据源管理器中建立的数据源连接。

5、假设你是FoodMart Corporation 的数据库管理员。FoodMart 是一家大型的连锁店，

在美国、墨西哥和加拿大有销售业务。市场部想要按产品和顾客分析1998 年进行的所有销售业务数据。要求建立Sales多维数据集，多维数据集是由维度和事实定义的。

其维度有“Time”维度、“Product”维度、“Customer”维度、“Store”维度和

“Promotion” 维度，事实表为sales_fact_1998，事实表中的度量为：store_sales、store_cost、unit_sales。理解每个维度的级别。

6、可以使用多维数据集编辑器对现有多维数据集进行更改。在使用或浏览多维数据集中的

数据之前，要求设计多维数据集中的数据和聚合的存储选项。即设计好Sales 多维数据集的结构之后，需要选择要使用的存储模式并指定要存储的预先计算好的值的数量。

完成此项操作之后，需要用数据填充多维数据集。这里选择MOLAP 作为存储模式，创建Sales 多维数据集的聚合设计，然后处理该多维数据集。处理Sales 多维数据集时将从ODBC 源中装载数据并按照聚合设计中的定义计算汇总值。

7、使用多维数据集浏览器，可以用不同的方式查看数据：可以筛选出可见的维度数据量，

可以深化以看到数据的细节，还可以浅化以看到较为概括的数据。这里可以使用多维数据集浏览器对Sales 数据进行切片和切块操作。要求理解OLAP操作下数据的含义，从而可以分析数据。

8、人力资源部想按商店来分析雇员的工资。本节将建立一个HR（人力资源）多维数据集，

以进行雇员工资分析。将把Employee（雇员）维度创建为父子维度。然后使用该维度以及常规维度来生成HR 多维数据集。其中，事实数据表为salary（工资），维度为Employee（雇员）、Store（商店）、Time（时间）。了解如何建立父子维度。

9、建立计算成员和成员属性。在Sales 多维数据集中建立“Average price” 计算成员，

思考建立该计算成员的目的。市场部希望将Sales 多维数据集分析功能扩展到根据客户的下列特征分析客户销售数据：性别、婚姻状况、教育程度、年收入、在家子女数和会员卡。需要向Customer 维度添加以下六个成员属性：Gender（性别）、Marital status（婚姻状况）、Education（教育程度）、Yearly Income（年收入）、Num Children At Home（在家子女数）和Member Card（会员卡）。这些成员属性将限制Customer 维度中的每个成员。理解什么是计算成员和成员属性，为什么要建立？

10、已经为客户维度添加了六个成员属性，可以创建一个带有Yearly Income（年收入）

成员属性的虚拟维度，然后将这个新创建的维度添加到Sales 多维数据集中。使用虚拟维度，可以基于多维数据集中的维度成员的成员属性对多维数据集数据进行分析。其优点是不占用磁盘空间或处理时间。

11、理解多维数据集角色和数据库角色的联系和区别、建立角色的目的。

12、查看销售多维数据集的元数据和维度的元数据，加深对元数据概念和分类的理解。

实验小结：

实验中遇到的问题及解决办法、心得、体会等等...

思考题

给出一个数据仓库成功应用的案例，包括所解决的问题，功能等。

中国银行广东分行数据仓库成功应用案例

系统功能

系统结合信用卡业务的特点，对信用卡业务信息的分析涉及:客户信息分析、交易信息分析、商户信息分析、透支风险信息分析、综合信息分析以及财务信息分析等，全面地覆盖了信用卡业务的关键性内容。分析产生的各种分析报表、图表、统计数据等以直观友好的形式呈现于最终用户面前。

系统提供如下功能:

●客户关系管理与个性化服务

根据客户的风险度和消费能力进行分类;根据客户的消费行为进行分类;根据客户的个人特征(年龄、性别、职业、收入等)进行分类;根据客户的喜好制订客户服务计划，提供个性化服务。

●风险管理和控制

对客户信用级别进行科学评估;挖掘分析风险因素，归纳和总结产生坏帐的原因和种类;

监控客户的异常消费行为，减少恶意透支和欺诈行为;及时提供止付名单;基于原有客户的信息分析，有针对性发展新客户。

●商户分析与市场策略