簡(jiǎn)介

數(shù)據(jù)挖掘使專家、分析師和用戶可以洞察大量數(shù)據(jù)集中存在的模式，并使之成為日常業(yè)務(wù)流程中的一部分。在過(guò)去，數(shù)據(jù)挖掘一直是統(tǒng)計(jì)和數(shù)據(jù)分析專家的任務(wù)。另一方面，數(shù)據(jù)挖掘的結(jié)果又常常與公司中各種不同的用戶有關(guān)聯(lián)。

考慮以下場(chǎng)景。您收集關(guān)于符合特定的人口特征（例如年齡、職業(yè)和居住地點(diǎn)）的客戶以及過(guò)去的事務(wù)（例如售出的產(chǎn)品以及合同）的數(shù)據(jù)。商場(chǎng)營(yíng)銷部門希望針對(duì)具有相似特點(diǎn)的特定客戶群開(kāi)發(fā)新的定制產(chǎn)品。如何發(fā)現(xiàn)那樣的獨(dú)特用戶群？數(shù)據(jù)集群為這個(gè)問(wèn)題提供了一個(gè)解決方案。它自動(dòng)根據(jù)數(shù)據(jù)集的屬性或特征對(duì)數(shù)據(jù)集進(jìn)行分組。然后，分析師查看這些組，并交互式地對(duì)它們進(jìn)行微調(diào)，直到滿足他/她的需要。而市場(chǎng)營(yíng)銷專家將發(fā)現(xiàn)，有一群為數(shù)不多、但是在經(jīng)濟(jì)上有重大意義的客戶，他們的年齡超出了平均年齡，不使用 Internet 銀行。根據(jù)這樣的信息，可以為這些客戶開(kāi)發(fā)專門的產(chǎn)品。在分析過(guò)程中，一個(gè)關(guān)鍵的步驟就是讓用戶理解數(shù)據(jù)集群步驟的結(jié)果。專業(yè)的分析師通常并不擅長(zhǎng)低級(jí)的數(shù)據(jù)庫(kù)編程。

如何將數(shù)據(jù)挖掘的結(jié)果交付給需要它的分析師和雇員？如何顯示結(jié)果，以反映用戶所涉及的業(yè)務(wù)流程？如何滿足安全性需求，使每個(gè)用戶只看到他/她應(yīng)該看到的內(nèi)容。對(duì)于這些問(wèn)題，要想給出令人滿意的答案，必須將視角從統(tǒng)計(jì)分析轉(zhuǎn)變到實(shí)際的終端用戶以及他/她所涉及的業(yè)務(wù)流程上來(lái)。InfoSphere Warehouse 是企業(yè)數(shù)據(jù)倉(cāng)庫(kù)的強(qiáng)有力的基礎(chǔ)。InfoSphere Warehouse 直接在存儲(chǔ)數(shù)據(jù)的底層 DB2 數(shù)據(jù)庫(kù)中提供數(shù)據(jù)挖掘功能。整個(gè)數(shù)據(jù)挖掘功能可以通過(guò)一個(gè)容易使用的、基于 Eclipse 的工具平臺(tái)來(lái)訪問(wèn)，而且部署任務(wù)可以直接在工具中觸發(fā)。

是報(bào)告解決方案中的領(lǐng)先者之一。在很多公司中，報(bào)告扮演著一個(gè)重要的角色，因?yàn)樗兄谝圆煌姆绞綖椴煌哪繕?biāo)人群合并和可視化相關(guān)信息。報(bào)告的結(jié)果通常是通過(guò)對(duì)存儲(chǔ)在數(shù)據(jù)倉(cāng)庫(kù)中的信息應(yīng)用基本的算術(shù)運(yùn)算而得到的（例如，每月的平均銷售額）。對(duì)于高級(jí)的分析，例如上面的例子，則超出了報(bào)告框架的范圍和能力。因此，可以將兩者相結(jié)合，既使用 InfoSphere Warehouse 的可伸縮的、高級(jí)的分析功能，又使用 IBM Cognos 已有的、先進(jìn)的報(bào)告功能。接下來(lái)的小節(jié)展示如何靈活地將 IBM InfoSphere Warehouse Data Mining 與 IBM Cognos 相結(jié)合，以實(shí)現(xiàn)這個(gè)目標(biāo)。這種集成不需要任何復(fù)雜的編程或設(shè)置，只需使用純 DB2 SQL 就能完成。

接下來(lái)的小節(jié)簡(jiǎn)要地介紹 InfoSphere Warehouse 和的基本架構(gòu)。然后將描述如何集成它們。最后，通過(guò)一個(gè)簡(jiǎn)單的、逐步講解的來(lái)自醫(yī)療保健領(lǐng)域的例子來(lái)演示這種集成。這個(gè)系列接下來(lái)的文章將描述這種集成的一些更高級(jí)的技巧和概念。

產(chǎn)品組件

IBM InfoSphere Warehouse

InfoSphere Warehouse 以 DB2 作為數(shù)據(jù)存儲(chǔ)。它提供了數(shù)據(jù)庫(kù)分區(qū)功能（DPF），以便以可伸縮的、安全的、高性能的方式存儲(chǔ)數(shù)據(jù)倉(cāng)庫(kù)中的數(shù)據(jù)，并將在線事務(wù)處理（OLTP）數(shù)據(jù)庫(kù)的優(yōu)點(diǎn)與大型數(shù)據(jù)倉(cāng)庫(kù)的存儲(chǔ)需求相結(jié)合。InfoSphere Warehouse 提供了很多不同的用于倉(cāng)庫(kù)管理和分析的工具。這些分析組件有：

• Cubing 服務(wù)
• 數(shù)據(jù)挖掘
• 文本分析

InfoSphere Warehouse Design Studio 是基于 Eclipse 的工具平臺(tái)，用于為數(shù)據(jù)挖掘和文本分析設(shè)計(jì)工作負(fù)載規(guī)則、數(shù)據(jù)轉(zhuǎn)換流和分析流。然后，可以將這些流部署到 InfoSphere Warehouse 管理控制臺(tái)，以根據(jù)需要進(jìn)行調(diào)度和運(yùn)行。InfoSphere Warehouse 數(shù)據(jù)挖掘是用 DB2 存儲(chǔ)過(guò)程和用戶定義函數(shù)構(gòu)建的，以利用 DB2 作為執(zhí)行環(huán)境，從而獲得高性能的數(shù)據(jù)庫(kù)內(nèi)執(zhí)行。可以通過(guò) SQL 接口或通過(guò) InfoSphere Warehouse 的挖掘流訪問(wèn)它。

數(shù)據(jù)挖掘是一項(xiàng)從大型數(shù)據(jù)集中發(fā)現(xiàn)有用信息的任務(wù)。一個(gè)典型的場(chǎng)景是醫(yī)療保健，本文將用它作為實(shí)例。如今可以收集到大量的衛(wèi)生保健數(shù)據(jù)，這些數(shù)據(jù)描述很多不同的病人數(shù)年來(lái)的狀態(tài)。這種數(shù)據(jù)的一個(gè)重要用途是在早期發(fā)現(xiàn)潛伏性疾病的指標(biāo)。例如，出于這個(gè)目的，可以收集患有心臟病的病人的數(shù)據(jù)，并分析什么因素與這種疾病有關(guān)，例如血壓和體重。這種數(shù)據(jù)必須在收集后進(jìn)行轉(zhuǎn)換，使之能用于數(shù)據(jù)挖掘。更具體而言，需要有一個(gè)表，每個(gè)病人對(duì)應(yīng)于其中的一行記錄，表中有一些列，表示關(guān)于病人的信息。而且，還應(yīng)該有一個(gè)專門的列表明這個(gè)病人是否真正患病。圖 1 顯示了一種可能的模式：

圖 1. 心臟病數(shù)據(jù)庫(kù)表的模式（InfoSphere Warehouse 例子的一部分）

基于這種數(shù)據(jù)，InfoSphere Warehouse 中的存儲(chǔ)過(guò)程可以構(gòu)建一個(gè)模型，對(duì)于任何新的病人，該模型可以預(yù)測(cè)他/她是否可能有潛伏性心臟病。這個(gè)過(guò)程稱作 “建模”。這樣得到的 XML 數(shù)據(jù)挖掘模型存儲(chǔ)在數(shù)據(jù)庫(kù)中，可以通過(guò) SQL/XQuery 進(jìn)行訪問(wèn)。這個(gè)模型可用于兩個(gè)目的：首先，可以從這個(gè)模型提取信息，以洞察哪些是心臟病的重要指標(biāo)以及其他統(tǒng)計(jì)信息。其次，可以將該模型自動(dòng)應(yīng)用到新的數(shù)據(jù)記錄上。因此，對(duì)于在心臟病這一列上還沒(méi)有值的任何記錄，可以自動(dòng)添加這個(gè)值，另外再添加一個(gè)表示預(yù)測(cè)的置信度的一個(gè)值。這個(gè)過(guò)程稱作 “評(píng)價(jià)”。圖 2 通過(guò)示意圖顯示了這個(gè)過(guò)程：

圖 2. 基于歷史數(shù)據(jù)構(gòu)建預(yù)測(cè)模型，然后將此模型應(yīng)用到新數(shù)據(jù)上

InfoSphere Warehouse 幾乎包含目前所有數(shù)據(jù)挖掘算法的極為高效的實(shí)現(xiàn)。要調(diào)用數(shù)據(jù)挖掘，首先要將數(shù)據(jù)寫到一個(gè)表中。然后創(chuàng)建一個(gè)模型，再將這個(gè)模型應(yīng)用到目標(biāo)值尚且未知的記錄上，以產(chǎn)生一個(gè)預(yù)測(cè)和該預(yù)測(cè)的置信度值。所有數(shù)據(jù)挖掘函數(shù)都是作為常規(guī)的 SQL 命令來(lái)調(diào)用的，后面您將看到這一點(diǎn)。這樣便很容易集成到幾乎所有的設(shè)置中，例如 Web 服務(wù)。

 11 Business Intelligence

IBM Cognos 11 Business Intelligence 提供一套完整的商業(yè)智能（BI）功能，并且基于一個(gè)靈活的面向服務(wù)架構(gòu)（SOA）。它的主要功能有報(bào)告、分析、指示板（dashboard）和計(jì)分卡（scorecarding）。

報(bào)告用于聚合關(guān)于業(yè)務(wù)流程的相關(guān)數(shù)據(jù)，并將它分發(fā)給最能從這種特定信息中受益的人。在數(shù)據(jù)挖掘環(huán)境中，這意味著將結(jié)果傳遞給最能從生成的業(yè)務(wù)洞察力中受益的人。

創(chuàng)建和發(fā)布業(yè)務(wù)報(bào)告所需的 Cognos 8 組件有：

• Cognos Connection：Cognos 11 功能的 Web 門戶和入口點(diǎn)。用戶可以從這里管理、組織和查看已有的內(nèi)容，例如報(bào)告或指示板。可以從 Cognos Connection 啟動(dòng)基于 Web 的 authoring studio，例如 Report Studio，以創(chuàng)建新的資源或編輯已有的資源。它還可以用于管理 Cognos 服務(wù)器，例如更改訪問(wèn)限制、導(dǎo)入內(nèi)容或者更改將一份報(bào)告發(fā)送給哪些人的列表。
• Cognos Framework Manager：用于 Cognos 11 中使用的數(shù)據(jù)源的建模工具。例如，在 Cognos 報(bào)告中，可以通過(guò)在 Framework Manager 中描述一個(gè)元數(shù)據(jù)層，來(lái)訪問(wèn)大多數(shù)數(shù)據(jù)庫(kù)和其他數(shù)據(jù)源，例如 Web 服務(wù)中的數(shù)據(jù)。可以將數(shù)據(jù)庫(kù)表、視圖和存儲(chǔ)過(guò)程作為查詢主題添加到 Cognos 包中。Framework Manager 用于導(dǎo)入和合并公司中不同數(shù)據(jù)源中的信息，以便在 Report Studio 等的 Cognos 11 BI 工具中以一致的方式使用該信息。需要特別注意的是，創(chuàng)建報(bào)告時(shí)，數(shù)據(jù)本身還是存放在數(shù)據(jù)源中，并在那里被訪問(wèn)。
• Cognos Report Studio：Cognos 11 BI 中的一個(gè)基于 Web 的 authoring studio。它用于創(chuàng)建和編輯關(guān)于 Framework Manager 中描述的數(shù)據(jù)的高級(jí)報(bào)告。它提供了一些強(qiáng)大的功能，例如下鉆（drill-down）、提示和豐富的圖表庫(kù)。

要將這種數(shù)據(jù)放入報(bào)告中，需要執(zhí)行兩個(gè)步驟：

• 在 Framework Manager，數(shù)據(jù)建模者創(chuàng)建 Cognos 元數(shù)據(jù)，這種元數(shù)據(jù)從業(yè)務(wù)的角度描述數(shù)據(jù)庫(kù)中的數(shù)據(jù)（包括表之間的關(guān)系、值的業(yè)務(wù)名稱等）。
• 創(chuàng)建好元數(shù)據(jù)后，將它作為一個(gè)包部署到 Cognos 8 內(nèi)容存儲(chǔ)中。然后可以通過(guò) Cognos Connection 和 authoring studio 從這里訪問(wèn)它。
• 報(bào)告設(shè)計(jì)者進(jìn)入 Cognos Connection，并在部署的包上創(chuàng)建一個(gè)新報(bào)告。創(chuàng)建報(bào)告后，可以管理目標(biāo)組和分發(fā)形式（例如 email 或 Web 門戶）。

能夠從關(guān)系數(shù)據(jù)源創(chuàng)建報(bào)告是 InfoSphere Warehouse 數(shù)據(jù)挖掘與 IBM Cognos 集成的關(guān)鍵。

集成架構(gòu)

如前所述，報(bào)告的內(nèi)容由一個(gè)關(guān)系數(shù)據(jù)源交付的一個(gè)結(jié)果集組成。一個(gè)特定報(bào)告的內(nèi)容由針對(duì)一個(gè)或多個(gè)數(shù)據(jù)源的一個(gè)（動(dòng)態(tài)的）SQL 查詢決定。可以通過(guò)以下方式，利用這個(gè)基本的通信模式將數(shù)據(jù)挖掘與 Cognos 報(bào)告集成：

• Cognos 可以顯示有評(píng)價(jià)信息的表，還可能一起顯示置信度信息。
• Cognos 可用于顯示模型信息。該信息是通過(guò)表提取器函數(shù)或 XQuery 查詢從實(shí)際的 XML 模型中提取的。
• Cognos 可以通過(guò)調(diào)用 SQL 存儲(chǔ)過(guò)程來(lái)動(dòng)態(tài)地調(diào)用數(shù)據(jù)挖掘和評(píng)價(jià)。這樣便允許：
  • 在報(bào)告界面中以用戶提供的不同設(shè)置調(diào)用數(shù)據(jù)挖掘
  • 在數(shù)據(jù)的不同子集上調(diào)用數(shù)據(jù)挖掘（例如，創(chuàng)建遞歸下鉆報(bào)告）
  • 根據(jù)用戶的輸入動(dòng)態(tài)地進(jìn)行記錄

圖 3 總結(jié)了所有這些案例中使用的調(diào)用模式。

圖 3. IBM InfoSphere 數(shù)據(jù)挖掘與 IBM Cognos 報(bào)告的基本集成架構(gòu)

可以通過(guò)一個(gè)存儲(chǔ)過(guò)程調(diào)用來(lái)調(diào)用數(shù)據(jù)挖掘，數(shù)據(jù)挖掘?qū)⒃跀?shù)據(jù)庫(kù)中創(chuàng)建一個(gè) XML 挖掘模型。可以根據(jù)新的數(shù)據(jù)記錄這個(gè)模型，或者將模型信息提取到一個(gè)表中。然后，Cognos 可以使用這些表。從 Cognos 報(bào)告中，用戶可以通過(guò)調(diào)用數(shù)據(jù)庫(kù)上相應(yīng)的存儲(chǔ)過(guò)程，交互式地調(diào)用數(shù)據(jù)挖掘。

這種集成帶來(lái)了很多好處：

• 它非常簡(jiǎn)單，只需要 SQL 方面的知識(shí)，而不需要附加的編程。
• 挖掘模型存儲(chǔ)在數(shù)據(jù)庫(kù)中，可以從 Cognos 中安全、有效地訪問(wèn)它們。
• 通過(guò)使用存儲(chǔ)過(guò)程，可以從 Cognos 中觸發(fā)和控制整個(gè)數(shù)據(jù)挖掘過(guò)程。

接下來(lái)的小節(jié)是這種集成的一個(gè)逐步講解的例子，這也是最簡(jiǎn)單的例子：對(duì)數(shù)據(jù)庫(kù)中的記錄進(jìn)行評(píng)價(jià)，并將結(jié)果顯示在一個(gè) Cognos 報(bào)告中。模型信息的提取和從 Cognos 中對(duì)數(shù)據(jù)挖掘的動(dòng)態(tài)調(diào)用將在本系列接下來(lái)的文章中談到。

在 報(bào)告中使用數(shù)據(jù)挖掘結(jié)果：衛(wèi)生保健部門的一個(gè)例子

這個(gè)例子分析一家醫(yī)院的病人數(shù)據(jù)。這家醫(yī)院的心臟科有他們的病人的主記錄，以及一些度量指標(biāo)，例如心率、血壓、膽固醇等。這家醫(yī)院針對(duì)四種不同的心臟病對(duì)病人進(jìn)行檢查。病人的記錄中有一個(gè)列表明他們是否患有四種心臟病之一，y 表示是，n 表示否。圖 1 中描繪了相應(yīng)的心臟病數(shù)據(jù)庫(kù)表。這個(gè)表可以在 InfoSphere Warehouse 附帶的例子中找到。

分析的目標(biāo)是預(yù)測(cè)新的病人患上這四種心臟病之一的風(fēng)險(xiǎn)。如果風(fēng)險(xiǎn)較高，則應(yīng)該立即進(jìn)行體檢。

這里啟用了風(fēng)險(xiǎn)管理，雖然沒(méi)有針對(duì)這四種心臟病之一做過(guò)專門的檢查，但是已經(jīng)從一些早期的在其他地方做的體檢得到度量指標(biāo)。

創(chuàng)建預(yù)測(cè)模型

首先，基于 HEART 表創(chuàng)建一個(gè)預(yù)測(cè)模型，通過(guò)該模型可以預(yù)測(cè)病人患上心臟病的風(fēng)險(xiǎn)。

創(chuàng)建一個(gè) Data Warehouse 項(xiàng)目：

右鍵單擊 Project Explorer，并選擇 New > Data Warehouse Project（如下面的圖 4 所示）。

圖 4. 創(chuàng)建一個(gè) Data Warehouse 項(xiàng)目

在接下來(lái)的向?qū)е校斎腠?xiàng)目名稱，例如：AdvancedAnalytics。然后單擊 Finish。

創(chuàng)建一個(gè)空的挖掘流：

1. 展開(kāi)新創(chuàng)建的項(xiàng)目。
2. 右鍵單擊文件夾 Mining Flows，并選擇 New > Mining Flow。
3. 在出現(xiàn)的向?qū)е校斎胪诰蛄鞯拿Q Heart Disease Risk。
4. 在這個(gè)例子中，您將使用數(shù)據(jù)庫(kù)。因此，保留默認(rèn)設(shè)置，單擊 Next。
5. 選擇 DWESAMP 數(shù)據(jù)庫(kù)，并單擊 Finish。

創(chuàng)建挖掘流：

這時(shí)會(huì)打開(kāi) Mining Flow 編輯器。在挖掘編輯器的右側(cè)可以看到一個(gè)面板，其中有一些操作符（見(jiàn)圖 5）。可以通過(guò)將這些操作符拖放到編輯器畫布上來(lái)構(gòu)建一個(gè)挖掘流。

圖 5. Design Studio 中的挖掘流

為了創(chuàng)建用于預(yù)測(cè)病人患病風(fēng)險(xiǎn)的挖掘模型，可遵循以下步驟：

1. 在面板中，從 Sources and Targets 區(qū)中選擇一個(gè) Table Source 操作符，將它拖到編輯器上。
2. 在表選擇對(duì)話框中，展開(kāi) HEALTHCARE 模式并選擇 HEART 表，然后單擊 Finish。
3. 在面板中，從 Preprocessing Operators 區(qū)中選擇一個(gè) Random Split 操作符并將它拖到編輯器上。
4. 通過(guò)拖動(dòng)鼠標(biāo)，將第一個(gè)操作符的 Output 端連接到第二個(gè)操作符的 Input 端。
5. 選擇 Random Split 操作符。
6. 在挖掘編輯器下面的 Properties 選項(xiàng)卡中，將測(cè)試數(shù)據(jù)屬性 Percentage 設(shè)為 20。這意味著之后我們將使用 20% 的數(shù)據(jù)來(lái)驗(yàn)證我們的模型。因此，在構(gòu)建預(yù)測(cè)模型之前，必須先劃分?jǐn)?shù)據(jù)。
7. 在面板中，從 Mining Operators 區(qū)選擇一個(gè) Predictor 操作符并將它拖到編輯器上。
8. 將 split 操作符的 Training Output 端與 Predictor Input Port 相連。
9. 選擇 Predictor 操作符。
10. 在挖掘編輯器下面的 Properties 選項(xiàng)卡中，選擇左邊的 Mining Settings 選項(xiàng)卡。
11. 在 Target column 選擇列表中，選擇 DISEASED 作為要預(yù)測(cè)的列。
12. Design Studio 自動(dòng)識(shí)別出您要預(yù)測(cè)一個(gè)標(biāo)稱值列，并自動(dòng)提供可用于這一目的設(shè)置（在同一個(gè)選項(xiàng)卡中）。在 Algorithm 選擇列表中，選擇 Naïve Bayes。
13. 在 Mining Settings properties 選項(xiàng)卡上，選擇 Model Name 選項(xiàng)卡。保留前綴，但是將模型名稱改為 HeartDiseasePrediction。
14. 另外，從面板中的 Mining 區(qū)選擇 Tester 操作符，并將它拖到編輯器上。
15. 將 Predictor 的 Model output 端與 Tester 的 Model input 端相連，再將 Random Split 的 Test output 端與 Tester 的 input 端相連。
16. 保存挖掘流，例如單擊編輯器區(qū)并按 Ctrl+S。

現(xiàn)在，挖掘流已經(jīng)可以執(zhí)行了。

執(zhí)行挖掘流：

可以執(zhí)行整個(gè)挖掘流編輯器，或者通過(guò)右鍵單擊一個(gè)操作符并選擇 Run to this step… 只執(zhí)行挖掘流中特定的路徑。在這個(gè)場(chǎng)景中，右鍵單擊 Tester 操作符，選擇 Run to this step…，然后單擊 Finish。這個(gè)流生成一個(gè)模型，該模型預(yù)測(cè)患上心臟病的風(fēng)險(xiǎn)，并將它存儲(chǔ)在數(shù)據(jù)庫(kù)中。先在 80% 的數(shù)據(jù)上對(duì)它進(jìn)行訓(xùn)練，然后在剩下的數(shù)據(jù)上對(duì)它進(jìn)行測(cè)試。這樣可以估計(jì)該模型在新數(shù)據(jù)上執(zhí)行的效果。這里只需右鍵單擊 Tester 操作符的 Test Result 端。您也可以看看模型本身。為此，右鍵單擊 Predictor 操作符的 Model 端。

使用挖掘模型對(duì)新數(shù)據(jù)進(jìn)行評(píng)價(jià)

評(píng)價(jià)是指將之前經(jīng)過(guò)學(xué)習(xí)的模型應(yīng)用到新數(shù)據(jù)上。新的數(shù)據(jù)沒(méi)有分類別（這里是指還沒(méi)有做過(guò)心臟病檢查），評(píng)價(jià)過(guò)程根據(jù)挖掘模型將一個(gè)預(yù)測(cè)賦給每個(gè)新的記錄。

為評(píng)價(jià)創(chuàng)建一個(gè)新的挖掘流：

執(zhí)行與創(chuàng)建新的挖掘流中相同的步驟，但是為它提供另一個(gè)名稱，例如 Classify New Patients。

創(chuàng)建評(píng)價(jià)流：

為了創(chuàng)建用于對(duì)新病人分類的評(píng)價(jià)流，可執(zhí)行以下步驟：

1. 在面板中，從 Sources and Targets 區(qū)選擇一個(gè) Model Source 操作符并將它拖到編輯器上。
2. 在挖掘模型選擇對(duì)話框中，展開(kāi) classification 模型，并選擇 AdvancedAnalytics.HeartDiseasePrediction 模型。
3. 從面板的 Sources and Targets 區(qū)中將一個(gè) Table Source 操作符拖到編輯器上。
4. 在表選擇對(duì)話框中，展開(kāi) HEALTHCARE 模式并選擇 HEART 表。可以每晚將這個(gè)表裝載到倉(cāng)庫(kù)中，或者每當(dāng)有新的病人來(lái)醫(yī)院，并且有必要的度量指標(biāo)時(shí)實(shí)時(shí)地將這個(gè)表裝載到倉(cāng)庫(kù)中。
5. 從面板的 Mining Operators 區(qū)中將一個(gè) Scorer 操作符拖到編輯器上。
6. 將模型和 table source 操作符連接到 scorer。
7. scorer 附加 2 個(gè)列，其中一個(gè)列包含類別（y 和 n），另一個(gè)列指定這個(gè)類別的確定性。為了存儲(chǔ)這個(gè)有評(píng)價(jià)信息的表，必須以 Table Target 操作符的形式創(chuàng)建一個(gè)包含這些列的適當(dāng)?shù)谋怼?br /> 為此，右鍵單擊 scorer 的輸出端，并選擇 Create Suitable Table…。
8. 在出現(xiàn)的對(duì)話框中，指定新表的名稱：NEW_PATIENT_CLASSIFICATION，以及將在其中創(chuàng)建這個(gè)表的模式：HEALTHCARE。 單擊 Finish。
9. 保存評(píng)價(jià)流。
10. 最后，通過(guò)右鍵單擊 table target 操作符并選擇 run to this step，執(zhí)行這個(gè)流。

執(zhí)行這個(gè)流后，下方的視圖會(huì)顯示有評(píng)價(jià)信息的表中的示例數(shù)據(jù)（見(jiàn)圖 6）。如果向右滾動(dòng)，可以看到 scorer 添加的兩個(gè)列。

圖 6. 有示例結(jié)果的評(píng)價(jià)流

第一個(gè)附加的列 PREDICTED_CLASS 包含預(yù)測(cè)。它表明挖掘模型將當(dāng)前病人歸為哪種類型，將患上（y）還是不會(huì)患上（n）這種病。第二個(gè)附加的列 CLASS_CONFIDENCE 包含介于 0 到 1 之間的數(shù)字，它表明 scorer（根據(jù)模型）對(duì)于預(yù)測(cè)有多大的確定性。1 表示 “100% 確信預(yù)測(cè)的類別是正確的”。

在 Cognos Framework Manager 中創(chuàng)建元數(shù)據(jù)

在使用挖掘結(jié)果創(chuàng)建報(bào)告之前，需要定義應(yīng)該使用哪些資源（數(shù)據(jù)庫(kù)、表或視圖???。Framework Manager 還允許通過(guò)定義連接和新列（用表達(dá)式）來(lái)增加數(shù)據(jù)源。

這個(gè)簡(jiǎn)單的例子創(chuàng)建一個(gè) Cognos Framework Manager 報(bào)告。定義有評(píng)價(jià)信息的結(jié)果表，并發(fā)布元數(shù)據(jù)。

打開(kāi) Framework Manager 并創(chuàng)建一個(gè)新項(xiàng)目：

1. 可以從桌面啟動(dòng) Cognos Framework Manager。
2. 啟動(dòng)后，單擊 Create a new project…。
3. 在出現(xiàn)的對(duì)話框中，指定名稱 HeartMetaData，并單擊 OK。
4. 選擇 English 作為語(yǔ)言，并按 OK 按鈕。
5. 由于要從一個(gè) DB2 表創(chuàng)建元數(shù)據(jù)，所以選擇一個(gè)常見(jiàn)的 Data Sources，并單擊 Next。
6. 選擇 DWESAMP 數(shù)據(jù)庫(kù), 并單擊 Next。
7. 現(xiàn)在需要選擇要導(dǎo)入為元數(shù)據(jù)的數(shù)據(jù)對(duì)象。展開(kāi) HEALTHCARE 模式和 table 文件夾，選擇在評(píng)價(jià)流執(zhí)行期間創(chuàng)建的 NEW_PATIENT_CLASSIFICATION 表。單擊 Next。
8. 這個(gè)頁(yè)面上的設(shè)置就完成了，單擊 Import，然后單擊 Finish。

圖 7. Cognos 8 Framework Manager

在 Project Viewer 的左側(cè)，可以瀏覽新創(chuàng)建的項(xiàng)目。現(xiàn)在，定義一個(gè)附加列，以組合評(píng)價(jià)流創(chuàng)建的 2 個(gè)預(yù)測(cè)列的洞察力。其思想是以一種容易理解的方式為醫(yī)生提供挖掘出的洞察力。

為此，執(zhí)行以下步驟：

1. 展開(kāi) DWESAMP。可以看到評(píng)價(jià)流中創(chuàng)建的表 NEW_PATIENT_CLASSIFICATION。
2. 雙擊該表。
3. 這時(shí)出現(xiàn) Query Subject Definition 對(duì)話框。進(jìn)入 Calculations 選項(xiàng)卡（見(jiàn)圖 8）。

   圖 8. Query Subject Definition 對(duì)話框

   
4. 單擊 Add 創(chuàng)建一個(gè)通過(guò)一個(gè)計(jì)算定義的新列。這時(shí)出現(xiàn) Calculation Definition 對(duì)話框。
5. 在 name 域中輸入 Check，并在 Expression definition 文本域中輸入以下表達(dá)式（在桌面上的 Calculation Definition.txt 文件中也可以找到這個(gè)表達(dá)式）：

   IF ( [DWESAMP].[NEW_PATIENT_CLASSIFICATION].[PREDICTED_CLASS] = 'y')
   THEN (IF ([DWESAMP].[NEW_PATIENT_CLASSIFICATION].[CLASS_CONFIDENCE]>0.83)
         THEN('necessary') ELSE('maybe')) 
   ELSE (IF([DWESAMP].[NEW_PATIENT_CLASSIFICATION].[CLASS_CONFIDENCE] > 0.9) 
         THEN('not necessary') 
   ELSE('maybe'))

   
   上面的表達(dá)式根據(jù) PREDICTED_CLASS（y 和 n）和 CLASS_CONFIDENCE 創(chuàng)建 3 個(gè)新的類別。該表達(dá)式將預(yù)測(cè)類別為 y 且相應(yīng)的置信度超過(guò) 83% 的病人定義為高風(fēng)險(xiǎn)病人（意味著需要體檢）。而預(yù)測(cè)類別為 n 且相應(yīng)置信度超過(guò) 90% 的病人則屬于低風(fēng)險(xiǎn)病人（意味著不必做體檢）。其他病人歸類為中等風(fēng)險(xiǎn)（可能需要體檢）。圖 9 是 Calculation Definition 對(duì)話框的一個(gè)例子。

   圖 9. Calculation Definition 對(duì)話框

   
6. 單擊 OK 關(guān)閉 Calculation Definition 對(duì)話框。
7. 可以通過(guò)進(jìn)入 Test 選項(xiàng)卡并單擊 Test Sample 測(cè)試這個(gè)表達(dá)式。
8. 單擊 OK 關(guān)閉 Query Subject Definition 對(duì)話框。

創(chuàng)建一個(gè)包并發(fā)布它：

1. 為了使新創(chuàng)建的元數(shù)據(jù)可被使用，進(jìn)入 Project Viewer 并右鍵單擊 Packages 文件夾，然后選擇 Create > Package。
2. 在 name 域中，輸入 Heart，并單擊 Next。
3. 直接單擊 Next，因?yàn)椴挥米銎渌虑椤?/li>
4. 在接下來(lái)的對(duì)話框中，將 DB2 添加到 Available function sets 列表中，然后單擊 Finish。
5. 在接下來(lái)的對(duì)話框中，單擊 Yes 繼續(xù)發(fā)布過(guò)程。
6. 在 Publish 向?qū)У?Select publish location 部分，單擊 Next，因?yàn)椴恍枰氖裁础?/li>
7. 這個(gè)例子中不必指定安全設(shè)置。因此，單擊 Next。
8. 然后按下 “Publish” 按鈕。
9. 在提示您已成功地發(fā)布包的對(duì)話框中，單擊 Finish。

創(chuàng)建一個(gè)簡(jiǎn)單的 Cognos 挖掘報(bào)告

Cognos Report Studio 是一個(gè)完全基于 Web 的應(yīng)用程序。可以通過(guò)從桌面雙擊 Internet Explorer 圖標(biāo)（左上角）啟動(dòng) Report Studio。

為創(chuàng)建一個(gè)簡(jiǎn)單的挖掘報(bào)告，必須執(zhí)行以下步驟：

1. 在 Welcome 屏幕上，單擊 Create professional reports。
2. 在 Select a package 瀏覽器中，單擊您在 Framework Manager 中發(fā)布的 Heart 包。
3. 在 Welcome 對(duì)話框中，單擊 Create a new report or template。
4. 選擇空白模板，然后單擊 OK。
5. 在 Insertable Objects 面板中，可以在不同的選項(xiàng)卡之間進(jìn)行選擇。這里選擇 source（Data sources）選項(xiàng)卡。在將數(shù)據(jù)添加到報(bào)告之前，需要一個(gè)布局結(jié)構(gòu)。可以從 Toolbox 選項(xiàng)卡得到布局結(jié)構(gòu)，所以現(xiàn)在進(jìn)入該選項(xiàng)卡。

   圖 10. Report Studio

   
6. 從顯示的對(duì)象列表中，將一個(gè) Text Item 拖到報(bào)告編輯器區(qū)（見(jiàn)圖 10）。
7. 在文本框中，輸入名稱 Patient checkup recommendation report。
8. 在工具箱中找到 List 項(xiàng)，并將它拖到編輯器區(qū)。
9. 回到 Source 選項(xiàng)卡（Data sources），將 NEW_PATIENT_CLASSIFICATION 表拖到編輯器區(qū)中的列表中。
10. 可以看到經(jīng)過(guò)分類的病人表，如果向右滾動(dòng)，還可以看到附加的列。由于只需要在 Framework Manager 中創(chuàng)建的附加列 Check，所以去掉另外兩個(gè)列 <PREDICTED_CLASS> 和 <CLASS_CONFIDENCE>。選擇這兩個(gè)列的列標(biāo)題（按住 Ctrl），在選擇的標(biāo)題上單擊右鍵，并從上下文菜單中選擇 Delete。對(duì)于當(dāng)前的例子，還要移除列 <DISEASED>、<KEYWORDS> 和 <MEDICAL_HISTORY>。
11. 現(xiàn)在，需要用綠色突出顯示那些不需要體檢（not necessary）的病人，用紅色突出顯示需要體檢（necessary）的病人，其他人（maybe）則不突出顯示。為此，右鍵單擊 Check 列（注意：?jiǎn)螕袅械闹黧w，而不是標(biāo)題），并選擇 Style > Conditional styles…。
12. 在 Conditional Styles 對(duì)話框上，單擊左下角的圖標(biāo)，創(chuàng)建一個(gè)新的條件樣式。
13. 在接下來(lái)的對(duì)話框中，Check 列已經(jīng)被選中。從 Type of conditional style 下拉列表中，選擇 String，并單擊 OK。
14. 在接下來(lái)的對(duì)話框中，單擊左下角的圖標(biāo)，并選擇 Select Multiple Values…。 Report Studio 直接從數(shù)據(jù)庫(kù)獲取可能的值（注意：Report Studio 可能要求提供 DB2 用戶 ID 和密碼）。
15. 首先將值 necessary 添加到選擇的列表中，并單擊 OK。
16. 重復(fù)步驟 14 到 15，添加值 not necessary。
17. 對(duì)于值 not necessary，從 Style 下拉列表中選擇 Excellent。
18. 對(duì)于值 necessary，從 Style 下拉列表中選擇 Poor。
19. 連續(xù)兩次單擊 OK。
20. 選擇標(biāo)題，單擊 Properties 面板上的 Font 彈出菜單，更改標(biāo)題的樣式。
21. 單擊 Run report 按鈕查看產(chǎn)生的報(bào)告。

圖 11 顯示最后的報(bào)告。最右邊的列顯示風(fēng)險(xiǎn)類別。

圖 11. 心臟病風(fēng)險(xiǎn)報(bào)告

結(jié)束語(yǔ)

本文描述了可以將 InfoSphere 數(shù)據(jù)挖掘簡(jiǎn)單地集成到 報(bào)告中的基本架構(gòu)。集成對(duì)于接受數(shù)據(jù)挖掘有重要的影響，因?yàn)榻Y(jié)果的使用者不必知道關(guān)于挖掘過(guò)程的任何細(xì)節(jié)。本文提供了源于衛(wèi)生保健部門的一個(gè)實(shí)用的例子，這個(gè)例子展示了如何通過(guò)很少的開(kāi)發(fā)實(shí)現(xiàn)簡(jiǎn)單的集成。

除此之外，還有其他可能性。接下來(lái)的文章將討論一些更高級(jí)的話題，例如鉆取、framework manager 中度量指標(biāo)的使用以及從 Cognos 報(bào)告中動(dòng)態(tài)調(diào)用數(shù)據(jù)挖掘。

cognos下載地址提供給感興趣的朋友，可以去試試，效果非常驚艷喲！！！

詳情請(qǐng)咨詢！

客服熱線：023-66090381