数据仓库与数据挖掘试题解析

"数据仓库和数据挖掘相关的研究生试题答案，涉及选择题和简答题，主要涵盖数据仓库的基本概念、OLTP与OLAP的区别、数据仓库的设计与存储方式、数据追加方法以及数据标准化等知识点。" 1. **数据仓库与业务处理**： 数据仓库上的业务处理通常被称为联机分析处理（OLAP），它与联机事务处理（OLTP）不同，后者关注日常交易处理，而OLAP则侧重于决策支持和深度分析。 2. **数据仓库的可信性**： 数据仓库中的数据可信性可能受到多种因素影响，如数据无时基、抽取程序算法差异、抽取层次不同以及缺乏集成性。这些因素可能导致数据不准确或不一致。 3. **OLTP与OLAP的访问特点**： OLTP系统通常要求高并发性和快速响应时间，处理频繁的事务操作；而OLAP系统则倾向于低访问频率，但需要处理大量历史数据并执行复杂的统计操作，对响应时间的要求相对较低。 4. **数据仓库的数据粒度**： 数据粒度表示数据的详细程度，粒度越小，数据越详细，层次级别越高。在设计数据仓库时，需要考虑如何合理组织数据的粒度，以适应不同的查询需求。 5. **数据存储方式**： - 虚拟存储方式中，数据仓库的数据不直接存储，而是通过查询从源数据中获取。 - 星型模式和雪花模式在数据标准化上有所不同，雪花模式的维表通常进行更深入的规范化，而星型模式的维表则较少规范化，以提升查询效率。 - 在查询效率上，星型模式通常优于雪花模式，因为其结构简单，关联操作更快。 - 数据分割和多重粒度级有助于提高数据处理效率，例如创建索引和顺序扫描。 6. **数据追加方法**： - 时标法通过添加时间标志来标识数据，方便追踪和更新。 - 前后映像文件法需要扫描整个数据库，对性能有较大影响。 - DELTA方法和日志文件法都不需要全库扫描，可以提高效率。 7. **数据标准化**： 在数据仓库中，维表通常进行标准化处理，以减少冗余和提高数据一致性。在星型模式下，维表是标准化的，而在雪花模式下，维表的规范化程度更高。 8. **数据映射**： 最大-最小数据标准化方法中，将30000映射到[0,1]区间，计算公式为 (x - min) / (max - min)，所以结果是 (30000 - 10000) / (90000 - 10000) = 0.2。 9. **维的概念**： 维是数据观察的角度，如时间维的层次可以是"年、季、月、日"。"某年某月某日"是一个具体的时间点，而不是层次。 10. **数据仓库开发周期**： 数据仓库的开发通常包括规划分析阶段、体系构造设计阶段和设计实施阶段，以及后续的使用维护阶段。没有提及的"B"可能是错误的选项，因为没有明确指出是哪个阶段。 简答题部分未提供具体答案，但可能涉及数据仓库的设计原则、数据清洗方法、数据挖掘技术及其应用、ETL（抽取、转换、加载）过程的详细解释等主题。