Date post: | 10-Sep-2018 |
Category: |
Documents |
Upload: | nguyenkhue |
View: | 212 times |
Download: | 0 times |
Data Warehousing e OLAP para
Data Mining
• O que é data warehouse?
• De data warehousing para data mining
Data Warehousing e OLAP para
Data Mining
• Data Warehouse: A Memória da Empresa
• Data Mining: A Inteligência da Empresa
O que é Data Warehouse?
• Definido de diversas formas, mas não
rigorosamente:
– É uma base de dados de suporte que é
mantida separadamente da base de dados
operacional da organização;
– Suporta o processamento de informações
provendo uma sólida plataforma de dados
históricos e consolidados para análise;
O que é Data Warehouse?
• ―Um data warehouse é uma coleção de dados:
1. orientada a assunto (subject-oriented);
2. integrada;
3. variante no tempo, e
4. não-volátil
para suporte a decisões de gerenciamento‖.—W. H. Inmon
• Data warehousing: o processo de construção e uso de data warehouses.
Usos do data warehouse
• Processamento de Informações:
– Suporta consultas, análise estatística básica e
relatórios usando tabelas, gráficos, etc.
• Processamento analítico:
– Análise multi-dimensional doas dados contidos no
data warehouse;
– Suporta operações OLAP básicas (slice-dice,
drilling, pivoting);
Usos do data warehouse
• Data mining:
– Descoberta de conhecimento em padrões;
– Suporta associações, construção de modelos
analíticos, executa classificação e predição, e
apresenta os resultados usando ferramentas de
visualização.
De OLAP para OLAM
Por que OLAM?
• Alta qualidade dos dados nos data warehouses;– DW contem dados integrados, consistentes e limpos.
• Estrutura para o tratamento de informação disponível
no ambiente de DW:– ODBC, OLEDB, acesso à Web, facilidades de serviço, relatórios e
ferramentas OLAP;
• Análise de dados exploratória baseada em OLAP;– Mineração com drilling, dicing, pivoting, etc.
• Seleção on-line das funções de data mining:– Integração e intercâmbio de múltiplas funções de mineração,
algoritmos e tarefas.
Uma arquitetura OLAM
Data
Warehouse
Meta Data
MDDB
OLAM
Engine
OLAP
Engine
User GUI API
Data Cube API
Database API
Data cleaning
Data integration
Layer3
OLAP/OLAM
Layer2
MDDB
Layer1
Data
Repository
Layer4
User Interface
Filtering&Integration Filtering
Databases
Mining query Mining result
Por que pré-processar os dados ?
• Dados reais são “sujos”:– Incompletos: falta de valores de atributos, falta de
atributos de interesse ou existência de atributos agregados;
– Ruidosos: contem erros e desvios;
– Inconsistentes: contem discrepâncias em nomes e na codificação.
• Sem dados de qualidade, sem resultados de qualidade em DM:– Decisões de qualidade devem estar baseadas em
dados de qualidade;
– DW necessita da integração consistente de dados de qualidade.
Medida multidimensional da
qualidade dos dados
• Uma visão multidimensional bem aceita:– Correção;
– Completude;
– Consistência;
– Atualidade (timeliness);
– Credibilidade;
– Valor adicionado;
– Interpretabilidade;
– Acessibilidade.
• Categorias abrangentes:– Intrínseca, contextual, representacional e
acessibilidade.
Principais tarefas no pré-
processamento dos dados
• Limpeza dos dados:– Preenchimento de valores inexistentes, atenuação
de dados ruidosos, identificação e remoção de desvios, resolução de inconsistências;
• Integração de dados:– Integração de múltiplos DB, data cubos, e arquivos;
• Transformações nos dados:– normalização e agregação;
• Redução de dados:– Obtenção de uma representação reduzida em
volume mas que produz resultados de análise idênticos ou similares.
Principais tarefas no pré-
processamento dos dados
• Limpeza dos dados: Valores faltantes
1. Ignorar a tupla;
2. Preencher o valor manualmente;
3. Usar uma constante global;
4. Usar o valor médio do atributo na base;
5. Usar o valor médio do atributo na classe;
6. Usar o valor mais provável.
Principais tarefas no pré-
processamento dos dados
• Limpeza dos dados: Atenuação de dados ruidosos
1. Discretização;
2. Agrupamento;
3. Interação humana;
4. Regressão.
Principais tarefas no pré-
processamento dos dados
• Limpeza dos dados: Inconsistências
1. Eliminar dados;
2. Corrigir manualmente;
3. Ignorar.
Principais tarefas no pré-
processamento dos dados
• Integração de dados:– Integração de esquemas de BD: problema
da identificação de entidades;
– Redundâncias;
– Detecção e resolução de valores
conflitantes nos dados.
Principais tarefas no pré-
processamento dos dados
• Transformações nos dados:– Suavização (smooting);
– Agregação;
– Generalização;
– Normalização (entre 0 e 1);
– Construção de atributos.
Principais tarefas no pré-
processamento dos dados
• Redução de dados:– Agregação de data cubes;
– Redução de dimensionalidade;
– Compressão de dados;
– Redução de instâncias;
– Geração de hierarquias de conceitos.
Sumário
• A preparação do dados é um ponto crucial tanto para data warehousing quanto para data mining;
• A preparação de dados inclui:– Limpeza e Integração de dados;
– Redução de dados e seleção de características;
– Discretização: intervalos iguais, freqüências iguais, agrupamento.
• Vários métodos têm sido desenvolvidos, mas ainda é área ativa de pesquisa.