多维数据集与存储模型

分享一个用于ARIMA模型学习的实践数据集，该数据集关联一篇博客中的代码案例，可用于模型学习和测试。

掌握SQL Server 2012多维数据集开发技能 学习使用SQL Server 2012开发完整的商业智能解决方案。 理解表格内存模型和OLAP多维数据集之间的区别，以及何时使用哪种模型。 在商业智能模型中添加高级功能，例如关键绩效指标（KPI）和计算度量。 通过简单的分步示例，从零基础成为能够构建现实世界项目的开发人员。 深入了解多维数据集在现代商业智能解决方案中的应用。 作者：Simon Lidberg出版日期：2013年9月13日

多维数据集的逻辑结构，像是 BI 的发动机核心，负责把业务数据变得“能看懂、能拆解”。维度和度量值的搭配，就像表格的行和列，一个管分类，一个算结果，组合起来效率还挺高。平时做销售、用户行为追踪，少不了靠这些。Cubes的概念比较实用，它就是维度和度量的打包体，方便你快速切换角度。OLAP就是让你随便切片、筛选还能保持性能，嗯，响应也快，适合数据量大的时候用。

动态 OLAP 报表通常利用 Kylin、Saiku 和 Mondrian 等技术组合实现。其中，Kylin 负责构建高效的多维数据集（Cube）。

介绍了在C#中使用ADOMD.NET查询多维数据集的具体实现方法，为读者提供参考。ADOMD.NET是Microsoft .NET Framework提供的用于与Microsoft SQL Server Analysis Services通信的数据访问接口，它支持通过TCP/IP或HTTP连接与分析数据源进行通信，使用XML for Analysis协议传输和接收符合XML for Analysis规范的SOAP请求和响应。用户可以通过多维表达式(MDX)和数据挖掘扩展插件(DMX)，结合Analysis Services，来实现多维数据集的查询。

探讨了数据仓库实施的方法和技术，并详细介绍了OLAP系统的建立过程。

包含推荐系统算法开发和评估所需的用户评分、电影元数据和标签。

该数据集包含 PCA 分析的数据。

标签推荐算法中常用的数据集，源自Lastfm。