数据挖掘概念与技术11--数据仓库的实现

1.数据立方体的有效计算

　　a.方体总数=∏（Li+1）（1<=i<=n）。其中Li为每个维的层数，n为维数。

　　b.方体的计算选择。

　　　　不物化：不预计算任何“非基本”方体。　

　　　　完全物化：预计算所有方体，但是需要花费海量的空间来存储。

　　　　部分物化：有选择的计算方体的一个自己。

　　c.索引OLAP数据

　　　　为了提供有效的数据访问，数据仓库支持索引结构和物化视图即上面所述。对OLAP数据进行索引可以通过位图索引和连接索引来进行。

　　　　位图索引;允许在数据立方体中进行快速的搜索。对于某一属性的位图索引表，表的每项包括n个位，n为该属性可能取的最大值。每个位的值为1（表示当前属性取该值）或0（当前属性不取该值）.

　　　　

　　　　连接索引：类似于关系数据库中的两个实体表之间的关系表。用于将它们连接起来。

2.三种数据仓库的应用

　　（1）信息处理：支持查询和基本的统计分析，并使用交叉表，图表，表进行报告。

　　（2）分析处理：支持基本的OLAP操作，包括上卷，下钻，切片和切块等。注：：：联机分析处理的优势在于能够支持数据仓库数据的多维数据分析。

　　（3）数据挖掘：支持知识发现，包括找出隐藏的模式和关联，构造分析模型，并进行分类和预测等。

      通过以上也可以看出信息处理，联机分析处理（OLAP），数据挖掘三者的关系。

　　信息处理基于查询，可以发现有用的信息，但是这部分信息直接反应的是存储在数据库中的信息（或通过聚集函数得到），不反映复杂的模式和隐藏在数据间的规律。

　　联机分析处理与数据挖掘之间的区别：

　　（1）联机分析处理反映数据在不同粒度上汇总/聚集工具，帮助简化数据分析，目的在于简化和支持交互数据分析，数据挖掘的目的在于尽可能的自动处理。

　　（2）联机分析处理在于一般的数据描述。而数据挖掘包括数据描述和数据建模，它不仅执行数据汇总比较，而且还执行关联，预测，聚类，时间序列分析等。

　　（3）数据挖掘不仅分析存放在数据仓库中的数据，，还可以分析比数据仓库提供的汇总数据粒度更细的数据。他还可以分事务物的，空间的，文本的，媒体的数据。

3.联机分析挖掘（OLAM）

　　将联机分析处理，数据挖掘，以及在多维数据库中发现知识集成在一起。