Métodos Relacionales y Estructurales

UNIVERSIDAD ESTATAL A DISTANCIA
VICERRECTORÍA ACADÉMICA

ESCUELA CIENCIAS EXACTAS Y NATURALES

Tarea:

Métodos relacionales y estructurales

Nombre del Curso: Bases de Datos II

Nombre Completo: Montiel Vega Luis Gerardo

Sede Central
10 de octubre 2011

III CUATRIMESTRE 2011

Métodos relacionales y estructurales

Como bien es sabido, los métodos de minerías de datos tienencomo objetivo extraer información de bases de datos de grandes volúmenes. A continuación vamos a analizar múltiples métodos relacionales que se utilizan para extracción de conocimiento desde Data Warehouses.

1 Drill up y Drill down

Los modelos Drill up y Drill down son modelos dimensionales. Su importancia radica en la manera de utilizar la información almacenada en un Data Warehouse ya querara vez se accede a los registros de la tabla de hechos
individualmente, sino que el acceso lo realiza sobre agrupaciones de datos realizando operaciones sobre los hechos, generalmente ejecutando cálculos matemáticos.

Por Drill down se entiende la acción de obtener datos que necesitan un nivel alto de profundidad y detalle, es la habilidad para poder navegar de lo general a lo particular en lainformación presentada.

Por otro lado el drill up es lo contrario, este consiste en conseguir datos con un nivel de detalle menor, simplificado. Significa generalizar información y subir en el árbol jerárquico.

Existe otro tipo de navegación llamado drill across el cual implica la obtención de medidas de diferentes modelos dimensionales utilizando como enlaces dimensiones comunes

2

3Programación lógica

Este es un paradigma que se caracteriza por ser declarativo, y utilizar el método de plantear el qué se va a resolver y el cómo se va a resolver

Ɵ SUBSUNCIÓN
El uso de subsunción se justica por el hecho de que es decidible entre clausulas, es facil de calcular (aunque es NP) y crea un lattice. Esto es importante porque permite buscar en ese lattice por hipotesis.

Topdown
Este modelo incluye la posibilidad de agregar datos que no estén presentes en la Data warehouse y que se requieran para cumplir con los requerimientos de un análisis específico.

Button up
Permitir que la integración de los datos e información dada en los Data marts se pueda implementar durante la construcción de la Data warehouse

Modelo Paralelo
El diseño del modelo paralelo se basaen dos alternativas, en la primera se tratan los Data marts con entidades independientes de los Data waehouse y en la segunda, esta independencia se trata de forma temporal.

Consiste en llevar una construcción paralela entre ambas estructuras, sin definir como padre la Data warehouse sobre el Datamart, ni viceversa.

Bias inductivos en ILP
El Bias del lenguaje es cualquier descripción delespacio de hipótesis que contiene todos los programas lógicos que el sistema puede aprender. Algunas formas sencillas de bias del lenguaje son por ejemplo, restringir los programas inducidos a ser programas definidos o tener cláusulas sin funciones.
El Bias de búsqueda es cualquier información que le dice al sistema cómo debe buscar las hipótesis.
Modelos probabilisticos
Los modelosprobabilísticos son una extensión de las redes bayesianas para manejar datos relacionales.
Este modelo permite que los atributos probabilísticos de una entidad dependan de otros atributos de la misma entidad o bien otros atributos de una entidad relacionada.
Modelos Data Mart
Es un pequeños Data Warehouse, para un determinado numero de usuarios, para un arrea funcional, especifica de la compañía. Tambiénpodemos definir que un Data Mart es un subconjunto de una bodega de datos para un propósito especifico.
La diferencia principal es que la creación de un data mart es especifica para una necesidad de datos seleccionados, enfatizando el fácil acceso a una información relevante.
Además simplifica el desarrollo de todo el mecanismo de su base de datos y con ello baja substancialmente todo el coste...