Download - Data Mining : Conceitos e Técnicas
Data Mining: Conceitos e Técnicas
DM, DW e OLAP
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, e4. 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
OLAMEngine
OLAPEngine
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
Pré-processamento de dados
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.
Formas de pré-processamento de dados
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.