第一篇：數(shù)據(jù)挖掘與數(shù)據(jù)倉庫--教學大綱

數(shù)據(jù)挖掘與數(shù)據(jù)倉庫（教學大綱）

Data mining and data warehouse

課程編碼：05405140 學分： 2.5 課程類別： 專業(yè)方向課 計劃學時： 48 其中講課：32 實驗或?qū)嵺`： 上機：16 適用專業(yè)：信息管理與信息系統(tǒng)、電子商務(wù) 推薦教材：

陳文偉，數(shù)據(jù)倉庫與數(shù)據(jù)挖掘教程，清華大學出版社，2008 參考書目：

1.Richard J.Roiger, Michael W.Geatz.Data Mining: A Tutorial-Based Primer.2003.2.Ian H.Witten, Eibe Frank.Data Mining: Practical Machine Learning Tools and Techniques(第二版).機械工業(yè)出版社（影印版），2005.3.Jiawei Han, Micheline Kamber.Data Mining: Concepts and Techniques.2001.5.4.數(shù)據(jù)倉庫與數(shù)據(jù)挖掘技術(shù)（第2版），陳京民 編著，電子工業(yè)出版社，2007.11 5.數(shù)據(jù)倉庫和數(shù)據(jù)挖掘，蘇新寧 等編著，清華大學出版社，2006.4 6.數(shù)據(jù)挖掘Clementine應(yīng)用實務(wù)，謝邦昌 主編，機械工業(yè)出版社，2008.4

課程的教學目的與任務(wù)

本課程將系統(tǒng)介紹數(shù)據(jù)挖掘的基本概念、基本原理和應(yīng)用基礎(chǔ)，通過課堂講授、實例分析，提高學生數(shù)據(jù)挖掘技術(shù)的認識，熟悉基本工具應(yīng)用，并掌握設(shè)計和開發(fā)數(shù)據(jù)挖掘算法和系統(tǒng)的初步能力。

課程的基本要求

1、了解數(shù)據(jù)倉庫及數(shù)據(jù)挖掘的概念、特征、應(yīng)用范圍，以及主要數(shù)據(jù)挖掘工具

2、了解OLTP 和 OLAP的區(qū)別；熟悉OLAP 的體系結(jié)構(gòu)，以及如何評價OLAP工具；掌握多維分析的基本分析動作。

3、了解數(shù)據(jù)質(zhì)量，掌握數(shù)據(jù)預處理方法，4、掌握數(shù)據(jù)挖掘的定性歸納技術(shù)、關(guān)聯(lián)挖掘、聚類分析、分類方法、預測方法、文本挖掘、WEB挖掘

5、熟練掌握數(shù)據(jù)挖掘軟件Clementine在各類挖掘任務(wù)中的應(yīng)用。各章節(jié)授課內(nèi)容、教學方法及學時分配建議（含課內(nèi)實驗）

第一章.數(shù)據(jù)倉庫與數(shù)據(jù)挖掘概述 建議學時：2 [教學目的與要求] 了解數(shù)據(jù)倉庫及數(shù)據(jù)挖掘的概念、特征、應(yīng)用范圍，以及主要數(shù)據(jù)挖掘工具。[教學重點與難點] 數(shù)據(jù)倉庫及數(shù)據(jù)挖掘的概念

[授 課 方 法] 以課堂講授為主，課堂討論和課下自學為輔 [授 課 內(nèi) 容] 1.1 為什么要數(shù)據(jù)挖掘 1.2 數(shù)據(jù)挖掘的應(yīng)用示例 1.3 數(shù)據(jù)挖掘方法簡介

1.4 數(shù)據(jù)挖掘與其他學科的關(guān)系 1.5 商務(wù)智能的三大塊 1.6 常用數(shù)據(jù)挖掘工具簡介

第二章 數(shù)據(jù)倉庫技術(shù)

建議學時：4 [教學目的與要求] 了解數(shù)據(jù)倉庫的概念，區(qū)分與傳統(tǒng)數(shù)據(jù)庫技術(shù)的不同；掌握數(shù)據(jù)倉庫存儲的抽取、轉(zhuǎn)換和裝載

[教學重點與難點] 數(shù)據(jù)倉庫存儲的抽取、轉(zhuǎn)換和裝載；數(shù)據(jù)倉庫存儲的數(shù)據(jù)模型 [授 課 方 法] 以課堂講授為主，課堂討論和課下自學為輔 [授 課 內(nèi) 容] 2.1 數(shù)據(jù)倉庫的概念

2.2 數(shù)據(jù)倉庫存儲的數(shù)據(jù)模型 2.3 數(shù)據(jù)倉庫的體系結(jié)構(gòu)

2.4 數(shù)據(jù)倉庫應(yīng)用的抽取、轉(zhuǎn)換和裝載

第三章 數(shù)據(jù)倉庫開發(fā)模型

建議學時：4 [教學目的與要求] 了解數(shù)據(jù)倉庫開發(fā)模型的概念，了解數(shù)據(jù)倉庫開發(fā)過程，掌握數(shù)據(jù)倉庫三種概念模型：星型模式、雪花模式、或事實星座模式，掌握數(shù)據(jù)粒度概念，元數(shù)據(jù)概念。

[教學重點與難點] 數(shù)據(jù)倉庫三種概念模型，數(shù)據(jù)粒度概念，元數(shù)據(jù)概念 [授 課 方 法] 以課堂講授為主，課堂討論和課下自學為輔 [授 課 內(nèi) 容] 3.1 數(shù)據(jù)倉庫開發(fā)模型的概念

3.2 數(shù)據(jù)倉庫的概念模型 3.3 數(shù)據(jù)倉庫的邏輯模型 3.4 數(shù)據(jù)倉庫的物理模型 3.5 數(shù)據(jù)倉庫的生成

3.6 數(shù)據(jù)倉庫的使用和維護

3.7 數(shù)據(jù)倉庫的粒度、聚集和分割 3.8 元數(shù)據(jù)

第四章 聯(lián)機分析處理(OLAP)技術(shù) 建議學時：4 [教學目的與要求] 了解OLTP 和 OLAP的區(qū)別；熟悉OLAP 的體系結(jié)構(gòu)，以及如何評價OLAP工具；掌握多維分析的基本分析動作。[教學重點與難點] OLAP 的體系結(jié)構(gòu)；多維分析的基本分析動作 [授 課 方 法] 以課堂講授為主，課堂討論和課下自學為輔 [授 課 內(nèi) 容] 4.1 從OLTP 到 OLAP 4.2 OLAP 的基本概念

4.3 多維分析的基本分析動作 4.4 OLAP 的數(shù)據(jù)組織 4.5 OLAP 的體系結(jié)構(gòu) 4.6 OLAP 工具及評價

4.7 Codd 關(guān)于 OLAP 產(chǎn)品的十二條評價準則

第五章 數(shù)據(jù)挖掘的原理與技術(shù) 建議學時：4 [教學目的與要求] 了解為什么要數(shù)據(jù)挖掘、數(shù)據(jù)挖掘與其他學科的關(guān)系，熟悉常用數(shù)據(jù)挖掘方法和工具，掌握數(shù)據(jù)挖掘的原理與技術(shù)。

[教學重點與難點] 數(shù)據(jù)挖掘的原理與技術(shù)，數(shù)據(jù)挖掘與其他學科的關(guān)系 [授 課 方 法] 以課堂講授為主，課堂討論和課下自學為輔 [授 課 內(nèi) 容] 5.1 知識發(fā)現(xiàn)的過程

5.2 數(shù)據(jù)挖掘的方法和技術(shù) 5.3 數(shù)據(jù)挖掘的知識表示

第六章 數(shù)據(jù)的獲取和管理 建議學時：4 [教學目的與要求] 了解數(shù)據(jù)的數(shù)據(jù)獲取和管理，掌握數(shù)據(jù)質(zhì)量的多維度量，掌握數(shù)據(jù)預處理方法 [教學重點與難點] 數(shù)據(jù)質(zhì)量，數(shù)據(jù)預處理方法

[授 課 方 法] 以課堂講授為主，課堂討論和課下自學為輔 [授 課 內(nèi) 容] 6.1 數(shù)據(jù)倉庫的數(shù)據(jù)獲取 6.2 數(shù)據(jù)管理 6.3 系統(tǒng)管理 6.4 數(shù)據(jù)的預處理

6.5 數(shù)據(jù)質(zhì)量的多維度量 6.6 數(shù)據(jù)預處理的主要方法

第七章 定性歸納

建議學時：2 [教學目的與要求] 了解數(shù)據(jù)挖掘的定性歸納技術(shù)，掌握ID3算法、C5.0算法。[教學重點與難點] ID3算法、C5.0算法

[授 課 方 法] 以課堂講授為主，課堂討論和課下自學為輔 [授 課 內(nèi) 容] 7.1 基本概念 7.2 數(shù)據(jù)泛化 7.3 屬性相關(guān)分析 7.4 挖掘概念對比描述

7.5 挖掘大數(shù)據(jù)庫的描述型統(tǒng)計信息

第八章 關(guān)聯(lián)挖掘

建議學時：2 [教學目的與要求] 了解關(guān)聯(lián)挖掘和的方法，掌握Apriori算法 [教學重點與難點] Apriori算法

[授 課 方 法] 以課堂講授為主，課堂討論和課下自學為輔 [授 課 內(nèi) 容] 8.1 基本概念

8.2 單維布爾邏輯關(guān)聯(lián)規(guī)則挖掘 8.3 多層關(guān)聯(lián)規(guī)則挖掘 8.4 多維關(guān)聯(lián)規(guī)則挖掘

8.5 關(guān)聯(lián)規(guī)則聚類系統(tǒng)(ARCS)8.6 關(guān)聯(lián)規(guī)則其它內(nèi)容

第九章

聚類分析

建議學時：2 [教學目的與要求] 了解什么是聚類分析、聚類和分類的區(qū)別，掌握聚類分析的算法。[教學重點與難點] 聚類分析的算法

[授 課 方 法] 以課堂講授為主，課堂討論和課下自學為輔 [授 課 內(nèi) 容] 9.1 什么是聚類分析

9.2 聚類分析中的數(shù)據(jù)類型 9.3 主要聚類算法的分類

第十章 分類 建議學時：2 [教學目的與要求] 了解什么是數(shù)據(jù)挖掘的分類，掌握KNN(K-Nearest Neighbor)分類和Bayes分類 [教學重點與難點] KNN(K-Nearest Neighbor)分類和Bayes分類 [授 課 方 法] 以課堂講授為主，課堂討論和課下自學為輔 [授 課 內(nèi) 容] 10.1 10.2 10.3 10.4 10.5

第十一章 預測 建議學時：2 [教學目的與要求] 了解預測算法，掌握回歸預測、廣義線性GenLin模型預測、支持向量機預測 [教學重點與難點] 回歸預測、廣義線性GenLin模型預測、支持向量機預測 [授 課 方 法] 以課堂講授為主，課堂討論和課下自學為輔 [授 課 內(nèi) 容] 11.1 11.2 預測的基本知識 預測的數(shù)據(jù)準備 分類的基本知識 決策樹分類 支持向量機分類

KNN(K-Nearest Neighbor)分類 Bayes分類 11.3 11.4 11.5 11.6

預測的主要方法 回歸預測

廣義線性GenLin模型預測 支持向量機預測

撰稿人：蔡永明 審核人：

第二篇：數(shù)據(jù)倉庫與數(shù)據(jù)挖掘?qū)W習心得.

數(shù)據(jù)倉庫與數(shù)據(jù)挖掘?qū)W習心得

通過數(shù)據(jù)倉庫與數(shù)據(jù)挖掘的這門課的學習,掌握了數(shù)據(jù)倉庫與數(shù)據(jù)挖掘的一些基礎(chǔ)知識和基本概念,了解了數(shù)據(jù)倉庫與數(shù)據(jù)庫的區(qū)別。下面談?wù)勎覍?shù)據(jù)倉庫與數(shù)據(jù)挖掘?qū)W習心得以及閱讀相關(guān)方面的論文的學習體會。

《淺談數(shù)據(jù)倉庫與數(shù)據(jù)挖掘》這篇論文主要是介紹數(shù)據(jù)倉庫與數(shù)據(jù)挖掘的的一些基本概念。數(shù)據(jù)倉庫是支持管理決策過程的、面向主題的、集成的、穩(wěn)定的、不同時間的數(shù)據(jù)集合。主題是數(shù)據(jù)數(shù)據(jù)歸類的標準,每個主題對應(yīng)一個客觀分析的領(lǐng)域,他可為輔助決策集成多個部門不同系統(tǒng)的大量數(shù)據(jù)。數(shù)據(jù)倉庫包含了大量的歷史數(shù)據(jù),經(jīng)集成后進入數(shù)據(jù)倉庫的數(shù)據(jù)極少更新的。數(shù)據(jù)倉庫內(nèi)的數(shù)據(jù)時間一般為5年至10年,主要用于進行時間趨勢分析。數(shù)據(jù)倉庫的數(shù)據(jù)量很大。

數(shù)據(jù)倉庫的特點如下:

1、數(shù)據(jù)倉庫是面向主題的;

2、數(shù)據(jù)倉庫是集成的,數(shù)據(jù)倉庫的數(shù)據(jù)有來自于分散的操作型數(shù)據(jù),將所需數(shù)據(jù)從原來的數(shù)據(jù)中抽取出來,進行加工與集成,統(tǒng)一與綜合之后才能進入數(shù)據(jù)倉庫;

3、數(shù)據(jù)倉庫是不可更新的,數(shù)據(jù)倉庫主要是為決策分析提供數(shù)據(jù),所涉及的操作主要是數(shù)據(jù)的查詢;

4、數(shù)據(jù)倉庫是隨時間而變化的,傳統(tǒng)的關(guān)系數(shù)據(jù)庫系統(tǒng)比較適合處理格式化的數(shù)據(jù),能夠較好的滿足商業(yè)商務(wù)處理的需求,它在商業(yè)領(lǐng)域取得了巨大的成功。

作為一個系統(tǒng),數(shù)據(jù)倉庫至少包括3個基本的功能部分:數(shù)據(jù)獲取:數(shù)據(jù)存儲和管理;信息訪問。

數(shù)據(jù)挖掘的定義:數(shù)據(jù)挖掘從技術(shù)上來說是從大量的、不完全的、有噪音的、模糊的、隨機的數(shù)據(jù)中提取隱含在其中的、人們事先不知道的、但又是潛在的有用的信息和知識的過程。

數(shù)據(jù)開采技術(shù)的目標是從大量數(shù)據(jù)中,發(fā)現(xiàn)隱藏于其后的規(guī)律或數(shù)據(jù)間的的關(guān)系,從而服務(wù)于決策。數(shù)據(jù)挖掘的主要任務(wù)有廣義知識;分類和預測;關(guān)聯(lián)分析;聚類。

《數(shù)據(jù)倉庫與數(shù)據(jù)挖掘技術(shù)在金融信息化中的應(yīng)用》論文主要通過介紹數(shù)據(jù)額倉庫與數(shù)據(jù)挖掘的起源、定義以及特征的等方面的介紹引出其在金融信息化中的應(yīng)用。在金融信息化的應(yīng)用方面,金融機構(gòu)利用信息技術(shù)從過去積累的、海量的、以不同形式存儲的數(shù)據(jù)資料里提取隱藏著的許多

重要信息,并對它們進行高層次的分析,發(fā)現(xiàn)和挖掘出這些數(shù)據(jù)間的整體特征描述及發(fā)展趨勢預測,找出對決策有價值的信息,以防范銀行的經(jīng)營風險、實現(xiàn)銀行科技管理及銀行科學決策。

現(xiàn)在銀行信息化正在以業(yè)務(wù)為中心向客戶為中心轉(zhuǎn)變6銀行信息化不僅是數(shù)據(jù)的集中整合,而且要在數(shù)據(jù)集中和整合的基礎(chǔ)上向以客為中心的方向轉(zhuǎn)變。銀行信息化要適應(yīng)競爭環(huán)境客戶需求的變化,創(chuàng)造性地用信息技術(shù)對傳統(tǒng)過程進行集成和優(yōu)化,實現(xiàn)信息共享、資源整合綜合利用,把銀行的各項作用統(tǒng)一起來,優(yōu)勢互補統(tǒng)一調(diào)配各種資源,為銀行的客戶開發(fā)、服務(wù)、綜理財、管理、風險防范創(chuàng)立堅實的基礎(chǔ),從而適應(yīng)日益發(fā)展的數(shù)據(jù)技術(shù)需要,全面提高銀行競爭力,為金融創(chuàng)新和提高市場反映能力服務(wù)。沃爾瑪利用信息技術(shù)建設(shè)的數(shù)據(jù)倉庫,在1997年圣誕節(jié)進行市場技術(shù)建立的數(shù)據(jù)倉庫,即分析顧客最可能一起購買那些商品,結(jié)果產(chǎn)生了經(jīng)典的“啤酒與尿布”的故事,這便是借助于數(shù)據(jù)倉庫系統(tǒng)

第三篇：數(shù)據(jù)倉庫與數(shù)據(jù)挖掘第一次作業(yè)

數(shù)據(jù)倉庫與數(shù)據(jù)挖掘第一次作業(yè)

電子商務(wù)這一行業(yè)目前還處于摸索期，有很多需要完善和可以創(chuàng)新的地方。這學期選修了袁老師的《電子商務(wù)》，印象最深的就是老師提過這樣的想法：電商（主要是B2B）、百度等搜索引擎以及新浪微博等社交平臺都是可以做咨詢業(yè)的，即根據(jù)客戶的消費（或搜索）記錄、評價等信息定期為企業(yè)生成反饋報告。要實現(xiàn)之一定是需要數(shù)據(jù)倉庫和數(shù)據(jù)挖掘等這類技術(shù)，通過收集、分析大量客戶數(shù)據(jù)，為企業(yè)的預測、決策提供情報。

企業(yè)通過電子商務(wù)網(wǎng)站開展網(wǎng)絡(luò)經(jīng)營的過程中，利用數(shù)據(jù)倉庫組織和存儲大量的客戶信息，在此基礎(chǔ)上利用數(shù)據(jù)挖掘技術(shù)對這些信息進行抽取、分析，找出更深層次的隱藏信息，從而使企業(yè)的電子商務(wù)網(wǎng)站達到更高的客戶滿意度，將大大地提高企業(yè)網(wǎng)絡(luò)經(jīng)營的效率，大大降低企業(yè)的運營成本。具體功能和作用如下： 首先，電子銷售商可以獲知訪問者的個人愛好，更加充分地了解顧客的需要，并根據(jù)顧客的資料分析潛在的目標市場。

其次，企業(yè)也可以了解客戶的價值，利用數(shù)據(jù)倉庫的資料，發(fā)現(xiàn)什么樣的顧客群在網(wǎng)站上購買什么商品，區(qū)分高價值顧客和一般價值顧客，對各類顧客采取相應(yīng)的營銷策略。

再次，根據(jù)顧客的歷史資料，不僅可以預測需求趨勢，還可以評估需求傾向的改變，為顧客提供更好的服務(wù)。

另外，企業(yè)通過理解訪問者的動態(tài)行為可以優(yōu)化電子商務(wù)網(wǎng)站的經(jīng)營模式。最后，對涉及消費行為的大量信息進行收集、加工和處理，企業(yè)就可以確定特定消費群體或個體的興趣、消費習慣、消費傾向和消費需求，進而推斷出相應(yīng)消費群體或個體下一步的消費行為，然后以此為基礎(chǔ)，對所識別出來的消費群體進行特定內(nèi)容的定向營銷。例如：（1）對那些要通過網(wǎng)站發(fā)送廣告的企業(yè)，分析用戶訪問模式有助于針對性地在某些用戶經(jīng)常訪問的地方插播廣告條。這樣，根據(jù)這些信息，網(wǎng)站的建設(shè)者就可以對特定的顧客群提供個性化廣告服務(wù)。這種廣告要比泛泛的、隨意的廣告有價值得多；（2）在強大的數(shù)據(jù)挖掘技術(shù)與全面的顧客資料數(shù)據(jù)基礎(chǔ)上，企業(yè)可以根據(jù)各個細分市場，甚至是每一個顧客的獨特需求來為他們設(shè)計“量身定造”的產(chǎn)品。高度細分化、定制化的產(chǎn)品有利于提高顧客滿意度，鞏固與他們的長久關(guān)系，最終達到留住顧客的目的；（3）針對顧客設(shè)計個性化網(wǎng)站。利用數(shù)據(jù)挖掘工具，電子商務(wù)網(wǎng)站可以做到以顧客需求為導向，達到一對一行銷的目的。網(wǎng)站將改變原有的千篇一律的形式，而強調(diào)信息個性化，亦即顧客所得到的信息將是網(wǎng)站針對其個人喜好、需求與特點的設(shè)定所給予的，也就是符合顧客的個人信息需求。例如顧客可以到一些新聞上去訂閱他喜歡看的信息類別，如政治新聞或科技新聞。當使用者再次拜訪此網(wǎng)站時，網(wǎng)站就會智能地只顯示出該顧客所喜歡看的信息。

第四篇：數(shù)據(jù)倉庫與數(shù)據(jù)挖掘期末試題

廣西財經(jīng)學院2007——2008學年2005級《數(shù)據(jù)倉庫與數(shù)據(jù)挖掘》卷

2、請列舉您使用過的各種數(shù)據(jù)倉庫工具軟件（包括建模工具，ETL工具，前端展現(xiàn)工具，OLAP Server、數(shù)據(jù)庫、數(shù)據(jù)挖掘工具）和熟悉程度。

ETL工具：Ascential DataStage，IBM warehouse MANAGER、Informatica公司的PowerCenter、Cognos 公司的DecisionStream

市場上的主流數(shù)據(jù)倉庫存儲層軟件有：SQL SERVER、SYBASE、ORACLE、DB2、TERADATA 但是使用過的只有SQL SERVER和數(shù)據(jù)挖掘工具Analysis Services，而且不大熟悉。

3、請談一下你對元數(shù)據(jù)管理在數(shù)據(jù)倉庫中的運用的理解。

元數(shù)據(jù)能支持系統(tǒng)對數(shù)據(jù)的管理和維護,如關(guān)于數(shù)據(jù)項存儲方法的元數(shù)據(jù)能支持系統(tǒng)以最有效的方式訪問數(shù)據(jù)。具體來說,在數(shù)據(jù)倉庫系統(tǒng)中,元數(shù)據(jù)機制主要支持以下五類系統(tǒng)管理功能:（１）描述哪些數(shù)據(jù)在數(shù)據(jù)倉庫中；（２）定義要進入數(shù)據(jù)倉庫中的數(shù)據(jù)和從數(shù)據(jù)倉庫中產(chǎn)生的數(shù)據(jù)；（３）記錄根據(jù)業(yè)務(wù)事件發(fā)生而隨之進行的數(shù)據(jù)抽取工作時間安排；（４）記錄并檢測系統(tǒng)數(shù)據(jù)一致性的要求和執(zhí)行情況；（５）衡量數(shù)據(jù)質(zhì)量。

4、數(shù)據(jù)挖掘?qū)垲惖臄?shù)據(jù)要求是什么？

（1）可伸縮性（2）處理不同類型屬性的能力（3）發(fā)現(xiàn)任意形狀的聚類（4）使輸入?yún)?shù)的領(lǐng)域知識最小化（5）處理噪聲數(shù)據(jù)的能力（6）對于輸入順序不敏感

（7）高維性（8）基于約束的聚類（9）可解釋性和可利用性

5、簡述Apriori算法的思想，談?wù)勗撍惴ǖ膽?yīng)用領(lǐng)域并舉例。

思想：其發(fā)現(xiàn)關(guān)聯(lián)規(guī)則分兩步，第一是通過迭代，檢索出數(shù)據(jù)源中所有煩瑣項集，即支持度不低于用戶設(shè)定的閥值的項即集，第二是利用第一步中檢索出的煩瑣項集構(gòu)造出滿足用戶最小信任度的規(guī)則，其中，第一步即挖掘出所有頻繁項集是該算法的核心，也占整個算法工作量的大部分。

在商務(wù)、金融、保險等領(lǐng)域皆有應(yīng)用。

在建筑陶瓷行業(yè)中的交叉銷售應(yīng)用，主要采用了Apriori 算法

三、翻譯分析題（30分）

1、附件有一名為“Data Mining in Electronic Commerce”的電子文檔，請同學們翻譯其中的一段。每位同學翻譯的段號以大家學號的最后兩位為準，如10號同學只需翻譯正文的第10段，以此類推。

分類則是一個標準的問題，在數(shù)據(jù)挖掘和在電子商貿(mào)的應(yīng)用-原則下，適當?shù)姆椒╗隨機森林，支持向量機（支持向量機），后勤拉索等]有賴于敏銳地在該網(wǎng)

站上，該類型的廣告都是可以收集到的資料。在亞馬遜商務(wù)網(wǎng)站中，該推薦系統(tǒng)已進入先前購買和書籍進行視察。

這是一個更豐富的信息來源，通過dictionary.com可以接入（他們只

知道這個詞，有人期待在這次會議上，除非他們有庫克-網(wǎng)頁）。一些企業(yè)獲得更多的信息，從數(shù)據(jù)倉庫中，如作為choicepoint公司，這使得他們的專家來建立高度個性化的分類規(guī)則。

2、通過閱讀該文擋，請同學們分析一下數(shù)據(jù)挖掘在電子商務(wù)領(lǐng)域的應(yīng)用情況（請深入分析并給出實例，切忌泛泛而談）。

隨著網(wǎng)絡(luò)技術(shù)和數(shù)據(jù)庫技術(shù)的成熟，全球傳統(tǒng)商務(wù)正經(jīng)歷一次重大變革，向電子商務(wù)全速挺進。這種商業(yè)電子化的趨勢不僅為客戶提供了便利的交易方式和廣泛的選擇，同時也為商家提供了更加深入地了解客戶需求信息和購物行為特征的可能性。數(shù)據(jù)挖掘技術(shù)作為電子商務(wù)的重要應(yīng)用技術(shù)之一，將為正確的商業(yè)決策提供強有力的支持和可靠的保證，是電子商務(wù)不可缺少的重要工具。

電子商務(wù)的發(fā)展促使公司內(nèi)部收集了大量的數(shù)據(jù)，并且迫切需要將這些數(shù)據(jù)轉(zhuǎn)換成有用的信息和知識，為公司創(chuàng)造更多潛在的利潤，數(shù)據(jù)挖掘概念就是從這樣的商業(yè)角度開發(fā)出來的。

由于數(shù)據(jù)挖掘能帶來顯著的效益，它在電子商務(wù)中（特別是業(yè)、零售業(yè)和電信業(yè)）應(yīng)用也越來越廣泛。

在金融領(lǐng)域，管理者可以通過對客戶償還能力以及信用的分析，進行分類，評出等級。從而可減少放貸的麻木性，提高資金的使用效率。同時還可發(fā)現(xiàn)在償還中起決定作用的主導因素，從而制定相應(yīng)的金融政策。更值得一提的是通過對數(shù)據(jù)的分析還可發(fā)現(xiàn)洗黑錢以及其它的犯罪活動。

在零售業(yè)，數(shù)據(jù)挖掘可有助于識別顧客購買行為，發(fā)現(xiàn)顧客購買模式和趨勢，改進服務(wù)質(zhì)量，取得更好的顧客保持力和滿意程度，提高貨品銷量比率，設(shè)計更好的貨品運輸與分銷策略，減少商業(yè)成本。

電信業(yè)已經(jīng)迅速地從單純的提供市話和長話服務(wù)演變?yōu)榫C合電信服務(wù)，如語音、傳真、尋呼、移動電話、圖像、電子郵件、機和WEB數(shù)據(jù)傳輸以及其它的數(shù)據(jù)通信服務(wù)。電信、計算機網(wǎng)絡(luò)、因特網(wǎng)和各種其它方式的通信和計算的融合是的大勢所趨。而且隨著許多國家對電信業(yè)的開放和新型計算與通信技術(shù)的發(fā)展，電信市場正在迅速擴張并越發(fā)競爭激烈。因此，利用數(shù)據(jù)挖掘技術(shù)來幫助理解商業(yè)行為、確定電信模式、捕捉盜用行為、更好的利用資源和提高服務(wù)質(zhì)量是非常有必要的。分析人員可以對呼叫源、呼叫目標、呼叫量和每天使用模式等信息進行分析，還可以通過挖掘進行盜用模式分析和異常模式識別，從而可盡早發(fā)現(xiàn)盜用，為公司減少損失。

四、編程題（20分）

請大家用所學過的java語言改寫p192-p194的vb核心源程序

第五篇：數(shù)據(jù)倉庫與數(shù)據(jù)挖掘結(jié)業(yè)論文

結(jié)合《數(shù)據(jù)倉庫與數(shù)據(jù)挖掘》課程內(nèi)容，寫一篇與該課程內(nèi)容相關(guān)的論文。

參考題目：

1.數(shù)據(jù)挖掘技術(shù)在數(shù)據(jù)倉庫中的應(yīng)用

2.關(guān)聯(lián)規(guī)則在數(shù)據(jù)倉庫中的應(yīng)用

3.Aproior算法及其改進

4.決策樹算法綜述

5.聚類技術(shù)在XXX中的應(yīng)用

6.XXX分類算法在XXX中的應(yīng)用

7.分類算法的比較

8.聚類算法的比較

9.……

10.……

要求如下：

1.最上面內(nèi)容為：姓名、學號、專業(yè)和成績，見模板。

2.題目居中，宋體4號字加粗。

3.正文：首行縮進2個漢字，宋體小四號，行間距為1.25，頁面設(shè)置為：左-2 右-1.5 上-2 下-2.左側(cè)裝訂。

4.若包含圖或表，則居中。

5.至少4頁，并在每頁下面的中間加上頁碼。

模板如下：

姓名___________ 學號____________ 專業(yè)______________ 成績_____________

題目

1.引言

2.XXX

3.XXX

4.…

5.結(jié)論