数据仓库与数据挖掘实验报告.doc

一、上机目的及内容 目的： 1．理解数据挖掘的基本概念及其过程； 2．理解数据挖掘与数据仓库、OLAP之间的关系 3．理解基本的数据挖掘技术与方法的工作原理与过程，掌握数据挖掘相关工具的 使用。 内容： 将创建一个数据挖掘模型以训练销售数据，并使用"Microsoft 决策树"算法在客户群中找出购买自行车模式。请将要挖掘的维度（事例维度）设置 为客户，再将客户的属性设置为数据挖掘算法识别模式时要使用的信息。然后算法将 使用决策树从中确定模式。下一步需要训练模型，以便能够浏览树视图并从中读取模 式。市场部将根据这些模式选择潜在的客户发送自行车促销信息。 要求: 利用实验室和指导教师提供的实验软件，认真完成规定的实验内容，真实地记录实验中 遇到的各种问题和解决的方法与过程，并根据实验案例绘出模型及操作过程。实验完成 后，应根据实验情况写出实验报告。 二、实验原理及基本技术路线图（方框原理图或程序流程图） 关联分析：关联分析是从数据库中发现知识的一类重要方法。 时序模式：通过时间序列搜索出重复发生概率较高的模式。 分类：分类是在聚类的基础上对已确定的类找出该类别的概念描述，代表了这类数据的 整体信息，既该类的内涵描述，一般用规则或决策树模式表示。 三、所用仪器、材料（设备名称、型号、规格等或使用软件） 1台PC及Microsoft SQL Server套件 四、实验方法、步骤（或：程序代码或操作过程）及实验过程原始记录( 测试数据、图表、计算等) 创建 Analysis Services 项目 1. 打开 Business Intelligence Development Studio。 2. 在"文件"菜单上，指向"新建"，然后选择"项目"。 3. 确保已选中"模板"窗格中的"Analysis Services 项目"。 4. 在"名称"框中，将新项目命名为 AdventureWorks。 5. 单击"确定"。 更改存储数据挖掘对象的实例 1. 在 Business Intelligence Development Studio 的"项目"菜单中，选择"属性"。 2. 在"属性页"窗格的左侧，单击"部署"。 3. 在"目标"选项部分，验证数据库名称是否为 localhost。如果使用的是其他实例，请键入该实例的名称。单击"确定"。 创建数据源 1. 在解决方案资源管理器中，右键单击"数据源"文件夹，然后选择"新建数据源"。 系统将打开数据源向导。 2. 在"欢迎使用数据源向导"页面中，单击"下一步"按钮。 3. 在"选择如何定义连接"页上，单击"新建"向 Adventure Works 数据库中添加连接。 系统将打开"连接管理器"对话框。 4. 在"连接管理器"的"提供程序"列表中，选择"本机 OLE DB\Microsoft OLE DB Provider for SQL Server"。 5. 在"服务器名称"列表中，键入或选择承载 AdventureWorksDW 的服务器的名称。 6. 在"登录到服务器"组中，选择身份验证方法，并输入凭据。 7. 在"选择或输入数据库名称"列表中，选择 AdventureWorksDW，再单击"确定"按钮。 8. 单击"下一步"按钮进入向导的下一页。 9. 在"模拟信息"页中，选择"使用服务帐户"，再单击"下一步"。 10. 请注意，在"完成向导"页中，数据源名称默认为 Adventure Works DW。 11. 单击"完成"。 新的数据源 Adventure Works DW 将显示在解决方案资源管理器的"数据源"文件夹中。 创建数据源视图 1. 在解决方案资源管理器中，右键单击"数据源视图"，选择"新建数据源视图"。 系统将打开数据源视图向导。 2. 在"欢迎使用数据源视图向导"页上，单击"下一步"。 3. 在"选择数据源"页的"关系数据源"下，系统将默认选中您在上一个任务中创建的 Adventure Works DW 数据源。 单击"下一步"。 若要创建新数据源，请单击"新建数据源"，启动数据源向导。 4. 在"选择表和视图"页上，选择下列各表，然后单击右箭头键，将这些表包括在新数据源 视图中： dbo.ProspectiveBuyer dbo.vAssocSeqLineItems dbo.vAssocSeqOrders dbo.vTargetMail dbo.vTimeSeries 5. 单击"下一步"。 6. 在"完成向导"页上，默认情况下，系统将数据源视图命名为 Adventure Works DW。 单击"完成"。 系统将打开数据源视图设计器，显示 Adventure Works DW 数据源视图。 创建用于目标邮件方案的挖掘结构 1. 在解决方案资源管理器中，右键单击" 数据仓库与数据挖掘是信息技术领域中的重要组成部分，主要用于从海量数据中发现有价值的模式和知识。在本次实验报告中，学生将通过实际操作深入理解和应用这些概念。 实验的目的是让学生掌握数据挖掘的基础，包括其基本概念、过程，以及它与数据仓库、在线分析处理(OLAP)的关系。数据仓库是存储历史数据的大型中央存储系统，用于支持业务智能和决策分析。而OLAP是数据分析工具，提供多维视角和快速查询能力，以进行复杂的分析。数据挖掘则是从数据仓库中提取知识的过程，通过使用各种算法（如决策树）来识别模式。 实验内容涉及创建一个基于销售数据的数据挖掘模型，使用微软的决策树算法来识别购买自行车的客户模式。在这个过程中，学生需要设置客户为挖掘的维度，利用客户属性作为算法输入，让算法构建决策树以发现规律。训练好的模型能帮助市场部门定位潜在的自行车购买者，进行精准营销。 实验采用了Microsoft SQL Server套件，包括Business Intelligence Development Studio，这是一个强大的工具集，用于开发和部署数据仓库和分析解决方案。实验步骤涵盖了创建Analysis Services项目，配置数据源、数据源视图，以及建立挖掘结构。在创建数据源时，学生需要选择合适的数据库连接，如AdventureWorksDW，并设置身份验证。数据源视图则用于聚合和简化数据源中的信息，以便于分析。 在数据挖掘结构创建阶段，可能会涉及到选择适当的表和视图，如ProspectiveBuyer、vAssocSeqLineItems等，这些数据可能包含潜在客户的购买历史和行为特征。通过向导完成这些步骤后，可以进一步训练模型，浏览决策树，从而理解客户购买行为的模式。 这个实验旨在通过实践操作，使学生熟悉数据挖掘的全过程，包括数据准备、模型构建、模式识别和结果解释。实验报告的撰写要求学生详细记录实验步骤、遇到的问题及解决方法，以巩固理论知识，并提高问题解决能力。通过这样的实践活动，学生不仅能够掌握数据挖掘技术，还能增强实际项目经验，为未来在IT领域的工作打下坚实基础。