BigData NA
数据挖掘
- 想要做数据挖掘，我们首先需要做以下的几个步骤。
数据集成
- 将多个数据源或者是异构数据源的数据，在数据仓库本地进行整合。
数据清洗
- 对冲突的属性进行删减，对噪声数据进行剔除，进行离群点检测。
数据归约
- 比如，我們要計算年齡分段（0-100歲），分成少年，青年，中年，老年。
托管表和外部表
- 在数据仓库中，我们往往要做数据集成工作，但是我们做数据集成工作就要收集数据，这样会导致数据仓库的容量紧张。 为了解决该问题，我们提出了托管表和外部表的两个概念。 所谓托管表，就是数据完全传输并且存储在数据仓库中。 所谓外部表，就是数据没有存储在数据仓库中，数据仓库只是创建了一个表空间，里面存储的是数据实际存储位置的映射。 那么在实际做相关的分析工作的时候，托管表的速度最快。