大数据仓库及大数据挖掘课程的教学设计.doc

简介：
本文档探讨了针对大数据仓库与大数据挖掘课程的教学设计方案，旨在提升学生在数据分析和数据科学领域的技能与理解。 目录 1. 绪论 1.1项目背景 1.2 提出问题 2 数据库仓库与数据集的概念介绍 2.1数据仓库 2.2数据集 3 数据仓库 3.1 数据仓库的设计 3.1.1数据仓库的概念模型设计 3.1.2数据仓库的逻辑模型设计 3.2 数据仓库的建立 3.2.1数据仓库数据集 3.2.2建立维表 4 数据挖掘操作 4.1数据预处理 4.1.1描述性数据汇总 4.2决策树 5 实验心得 6 大总结 绪论 在大数据时代，各行各业需要对商品及相关信息的数据进行收集和处理。尤其对于零售行业而言，企业为了科学合理地分析产品的市场需求，并预测未来的市场趋势以制定高效的经营策略从而获取经济收益。 1.2 提出问题 如何决定超市的商品购买时间和数量以便最大化销售量、避免库存积压或缺货？这需要根据不同时间段的季节性和不同的人群来定制不同的方案，通过数据挖掘技术进行决策树分析、关联性分析等方法可以制定最佳策略。 数据库仓库与数据集的概念介绍 2.1 数据仓库 定义: 企业级所有层级决策支持的数据集合。 功能：提供业务智能以指导流程改进和监控时间、成本、质量和控制。 特征： - 面向主题的集成性和稳定性； - 时间变化性，即存储的历史信息随时间推移而发生变化。 2.2 数据集 定义: 一种由数据组成的集合体，通常表现为表格形式。 特点：每一列代表特定变量；每一行对应一个对象的数据。 3 数据仓库 3.1 设计 3.1.1 概念模型设计 完成星型和雪花结构的设计。传统数据库仅适用于商品、销售和客户主题的分析，不适合数据仓库存储。 3.1.2 逻辑模型设计 包括分析业务需求，确定要加载的主题域；定义关系模式等。 3.2 建立 数据集市：特定部门决策支持的应用系统。通常采用多维数据库技术以提高查询速度和效率。 维表建立: - 多维度视图创建通过包含度量与维度的表格实现，星型模型由小尺寸维表以及大事实表构成； - 雪花模型中将维信息进一步分层处理，形成更复杂的结构。