数据仓库与数据挖掘的原理及应用框架分析

SAS/EM数据仓库与数据挖掘原理及应用

SAS/EM数据获取工具允许用户通过对话框指定数据集名称及数据挖掘中所需变量。变量主要分为两类：区间变量（Interval Variable），用于统计处理；这些变量在数据输入阶段可设定最大值、最小值、平均值、标准差等统计指标，并检查缺漏值百分比。这些设定可在数据获取初期即进行质量检查，提供数据质量预览。

数据挖掘 2 2024-07-17

数据仓库原理及应用

仓库管理通过外购工具或自定义程序实现数据仓库管理，自动化程度决定了程序复杂性。

数据挖掘 3 2024-05-14

数据仓库与数据挖掘原理及应用中ETL的过程

数据仓库与数据挖掘中，ETL过程是关键步骤，包括抽取、转换、装载数据到临时存储区，所有操作都由元数据驱动。

数据挖掘 0 2024-08-05

创新的预测技术-数据仓库与数据挖掘的原理及应用

创新的预测技术包括趋势外推法、时间序列法和回归分析法等多种算法，这些方法理论成熟，通过标准技术分析模型参数。7.1章节概述了这些技术。

数据挖掘 0 2024-08-24

数据仓库与数据挖掘原理及应用的雪花结构示例

雪花结构的实例，销售事实表时间键、商品键、分支机构键、位置键、销售单位、销售额、平均销售额等度量指标，时间键按星期、月份、季度、年度进行分类，位置键按街道、城市键、地点进行分类，商品键按商品名称、品牌、类型、供应商键进行分类，分支机构键按分支机构名称、分支类型、分支机构供应商键进行分类，位置按城市键、省份/街道、国家和城市进行分类。

数据挖掘 0 2024-08-05

数据仓库中数据变化特性的时间演化分析-数据仓库与数据挖掘的基本原理及应用

数据仓库中的数据时间特性显著不同于操作型数据库。操作型数据库通常保留60～90天的数据，而数据仓库则保留5～10年的数据。操作型数据库包含当前值数据，可随时更新和访问；而数据仓库则存储某一时刻生成的复杂快照数据。此外，数据仓库的键码结构总是包含时间元素，如年、月、日，而操作型数据库的键码结构则可能不包含时间元素。

数据挖掘 3 2024-07-13

构建数据仓库的ETL功能与数据挖掘原理及应用

随着数据技术的进步，现有数据呈现出分散、非整合、难以访问的特点，来自多种数据源和平台，数据质量参差不齐，存在冗余且难以解析。数据量巨大，涵盖了VSAM、IDMS、IMS、CICS、COBOL等传统应用、多媒体文档、ERP系统、协作软件数据库以及Web运营活动。

数据挖掘 0 2024-10-13

OLAP概述-数据仓库与数据挖掘的基本原理及应用

1960年代，关系数据库的创建者E.F.Codd提出了关系模型，推动了在线事务处理（OLTP）的发展，以表格形式而非文件方式存储数据。1993年，E.F.Codd引入OLAP概念，认为OLTP无法满足终端用户对数据库查询分析的需求。针对大型数据库的简单SQL查询也无法满足用户分析需求。决策者需要大量计算才能得出结果，并非所有查询结果都能满足决策者需求。因此，E.F.Codd提出了多维数据库和多维分析的概念，即OLAP。

数据挖掘 3 2024-07-16

利用模型预测实现分类——数据仓库与数据挖掘原理及应用

Jeff教授是否具有终身职位？分类器测试数据与未见数据。

数据挖掘 0 2024-08-21