D ATA M I N I N G T R O N G

SQL SEVER
NHÓM 2
2

MEET OUR TEAM

Nguyễn Thành Đạt Nguyễn Hải Đăng Nguyễn Minh Đức Nguyễn Viết Đức

NHÓM 2
33

D ATA M I N I N G I N S Q L S E V E R

o Tổng quan về Data Mining

o Data mining trong Sql Sever

o Tổng kết
4

T Ổ N G Q U A N V Ề D ATA M I N I N G
o Khái niệm
Là quá trình quan
o Tổng tính toán để Mining
về Data tìm ra
các mẫu trong các bộ dữ liệu lớn
liên quan đến các phương pháp
tại giao điểm của máy học, thống
kê và các hệ thống cơ sở dữ liệu
5

Ứng dụng của Data Mining

T Ổ N G Q U A N V Ề D ATA M I N I N G

Phân tích dữ liệu tài Công nghiệp viễn Phân tích dữ liệu sinh Phát hiện xâm nhập
chính thông học
(Financial Data (Telecommunication (Biological Data (Intrusion Detection)
Analysis) Industry) Analysis)
6
T Ổ N G Q U A N V Ề D ATA M I N I N G
QUY TRÌNH KHAI PHÁ DỮ
LIỆU
7
T Ổ N G Q U A N V Ề D ATA M I N I N G
CÁC PHƯƠNG PHÁP KHAI PHÁ DỮ LIỆU

Phân loại (Classification)

Hồi quy

Phân nhóm (Clustering)

Tổng hợp (Tóm tắt)

Ràng buộc mô hình (Mô hình hóa phụ thuộc)

Dò tìm biến đổi và độ lệch (Thay đổi và độ lệch Dectection)

Dựa trên một số đặc trưng
sau của công cụ khai phá dữ
liệu: LỰA CHỌN
 Kiểu dữ liệu (Data Types) CÔNG CỤ KHAI
 Sự tương thích (Compatibility) PHÁ DỮ LIỆU
 Nguồn dữ liệu (Data Sources)
 Chức năng của hệ thống khai phá dữ liệu (Data Mining functions)
 Chức năng của hệ thống khai phá dữ liệu (Data Mining functions)
 Khả năng mở rộng (Scalability)
 Công cụ trực quan hóa dữ liệu (Visualization Tools)
 Trực quan hóa dữ liệu (Data Visualization)
 Ngôn ngữ truy vấn và tương tác đồ họa với người dùng (Data
Mining query language)
 HỆ THỐNG KHAI PHÁ DỮ
LIỆU

Các thành phần trong hệ thống khai phá dữ liệu

 Data base, Data  Knowledge Base  Data mining  Pattern  User interface
warehouse, engine evaluation
World Wide Web module
và Information
repositories
10

HỆ THỐNG KHAI PHÁ DỮ LIỆU

oMột số hệ thống khai phá dữ
liệu:
 D ATA M I N I N G
TRONG SQL SEVER
DATA MINING TRONG SQL SEVER

CÁC BƯỚC KHAI PHÁ DỮ

LIỆU
Step 1: Step 3: Step 5:
Định nghĩa vấn đề Khám phá dữ liệu Khai thác và đánh giá
mô hình

Step 2: Step 4: Step 6:

Chuẩn bị vấn đề Xây dựng mô hình Triển khai và nâng cấp
mô hình
 DATA MINING TRONG SQL SEVER
13

CÁC THUẬT Microsoft Decision Tree (Cây quyết định)

TOÁN KHAI PHÁ Microsoft Clustering (Gom cụm)
DỮ LIỆU TRONG Microsoft Naïve Bayes
SQL SEVER Microsoft time series (chuỗi thời gian)
Microsoft Association (Kết hợp)
Microsoft sequence clustering (Gom cụm tuần
tự)
Microsoft neural network (Mạng nơ-ron)
Microsoft linear regression (Hồi quy tuyến tính)
Microsoft logistic regression
 DATA MINING TRONG SQL SEVER
14

CÁC THUẬT
TOÁN KHAI PHÁ
DỮ LIỆU TRONG
SQL SEVER

NĂM NHÓM THUẬT TOÁN CHÍNH:

 Thuật toán phân lớp (Classification algorithm)

 Thuật toán hồi quy (Regeression algorithm)
 Thuật toán phân đoạn (Segmentation algorithm)
 Thuật toán kết hợp (Assocation algorithm)
 Thuật toán phân tích tiến trình (Sequence Analysis
algorithm)
 DATA MINING TRONG SQL SEVER
15

CÁC CÔNG CỤ KHAI PHÁ DỮ LIỆU

Sql sever Analysis Services (SSAS)

Business Intelligent Development (BIDS)
Sql Sever Management Studio (SSMS)
Data Transformation Services (DTS)
16

Các cột CustomerKey, BikeBuyer, và Expression

được dùng để xác định khách hàng nào tiềm năng
(có khả năng mua sản phẩm - ở đây là xe đạp). Và
xác suất của các dự đoán chính xác. Bộ phận
Marketing có thể sử dụng kết quả này để xây dựng
chiến dịch quảng cáo, tiếp cận khách hàng của mình
(chẳng hạn quyết định gởi email quảng cáo cho
nhóm khách hàng nào), cũng như đề xuất các chiến
dịch khuyến mãi, quảng cáo phù hợp với từng nhóm
khách hàng để đạt được lợi nhuận cao nhất.
THANK YOU
18

THANK YOU