4.数据挖掘概念笔记——数据仓库与OLAP

4.数据挖掘概念笔记——数据仓库与OLAP

欢迎转载，转载请标明出处：http://blog.csdn.net/notbaron/article/details/50390524

数据仓库提供联机分析处理工具，用于各种粒度的多维数据的交互分析，有利于有效的数据泛化和数据挖掘。

什么是数据仓库？

答：数据仓库有多种方式定义，很难给出一种严格的定义。宽泛的讲，数据仓库是一种数据库，与单位的操作数据库分别维护。数据仓库允许系统将各种应用系统集成在一起，为统一的历史数据分析提供坚实的平台，对信息处理提供支持。根据William H.Inmon的说话“数据仓库是一个面向主题的、集成的、时变的、非易失的数据集合，支持管理者的决策过程”

有哪些数据仓库？

答：从结构的角度看，有三种数据仓库模型：企业仓库、数据集市和虚拟仓库。

什么是数据立方体？

答：数据仓库和OLAP工具基于多维数据模型，这种模型将数据看做数据立方体形式。数据立方体允许以多维对数据建模和观察。由维和事实定义。

数据仓库采用什么模型？

答：实体-联系数据模型广泛用于关系数据库设计，然后数据仓库需要简明的、面向主题的模式，便于联机数据分析。最流行的数据仓库的数据模型是多维数据模型，可以是星型模式、雪花模式或事实星座模式。

什么是概念分层？

答：概念分层定义一个映射序列，将低层概念集映射到较高层、更一般的概念。

数据仓库有哪些应用？

答：主要有三类应用：信息处理、分析处理和数据挖掘。

什么是多维数据挖掘？

答：把数据挖掘与OLAP集成在一起，在多维数据库中发现知识。

实现数据仓库要注意什么？

答：数据仓库包含海量数据。OLAP服务器要在数秒内回答决策支持查询，数据仓库系统要支持高效的数据立方体计算技术、存取方法和查询处理技术，要考擦如何有效地计算数据立方体；如何使用位图或链接索引来索引OLAP数据。