《数据库原理与应用》学习笔记（一）：概论
数据库系统概述
发展历史
1968年，IBM公司推出层次模型：IMS（information management system）数据库管理系统。
1969年，DBTG(database task group)发表的一系列报告中提出了网状模型。
1970年，E.F.Codd博士发表了关系模型的著名论文。数据库的基本术语
1.数据
凡是计算机中用来描述事物属性特征的记录都统称为数据。
2.数据库（DB）（DataBase）
长期储存在计算机中的，有组织的，可共享的的数据集合，主要特征有：实现数据共享；减少数据的冗余度；保持数据的一致性；数据的独立性；安全保密性；并发控制；故障恢复。
3.数据库管理系统（DBMS）(DataBase Management System)
数据库管理系统是专门用来建立和管理数据库的一套软件，介于应用程序和操作系统之间。为用户提供应用程序访问DB的方法，可以定义DB，查找，更新和各种数据控制。
4.数据库系统（DBS）(DataBase System)
数据库系统由DB,DBMS,应用程序，数据库管理员DBA（DataBase Administrators）和用户组成，其中数据库管理员包括设计人员，系统分析人员和应用程序员。
其特点有：共享性高；冗余度低；易扩充；由DBMS统一管理和控制，数据独立性高。数据管理技术的发展历史
三个重要的发展过程：人工管理阶段；文件系统阶段；数据库管理阶段（数据库系统区别于文件型数据库的一大特点是数据结构性高）数据模型
1.数据的三个范畴
现实范畴，信息范畴和机器范畴。简单地说，首先将现实世界抽象为信息世界，这时还是一个概念模型，不具备被机器识别的能力，要进一步转化为机器范畴，使机器可以识别。
2.信息范畴的一些术语：（1）实体：客观存在的事物；（2）实体集：性质相同的同类实体的集合；（3）属性：实体的每一个特性都称为属性；（4）码：能唯一识别每个实体的属性或属性集成为码。
3.机器范畴的一些术语：（1）字段：记录实体属性的命名单位（即某一表中的表头）；（2）记录：字段的有序集合称为记录（即所有表头的有序集合，比如一个学生的学号，姓名，性别）（3）文件：同一类型记录的汇集称为文件；（4）码：能唯一标识某实体的记录称为码。数据模型的组成要素及分类
1.组成要素：数据结构，数据操作和完整性约束三要素组成。
其中，数据结构描述了系统的静态性（在进行操作时数据结构不会改变）；数据操作描述了系统的动态性（即可以灵活的对数据进行插入，删除等操作）；完整性约束则是一套完整性规则的集合（比如性别只能选择男或女）
2.数据模型的分类：
第一类：概念模型，用户可以看懂的，面向人类的模型（ER图）。面向对象的（UML图）
第二类：结构化数据模型：面向计算机的，人估计看不太懂的模型（层次模型，网状模型，关系模型和面向对象模型）。常用的数据模型
1.层次模型：一对多的树。（对树不了解的可以去翻一下离散数学）
2.网状模型：多对多的图。（依旧是离散数学）
3.关系模型（最常用）：二维表
详细的数据模型介绍将在下一章总结中介绍。数据库系统结构
1.数据库系统结构由三级模式结构组成，即外模式，内模式和模式。
外模式：是模式的一个子集，因为外模式只展示部分数据间的逻辑和特征。用户可见，某一系统给你展示的信息，比如登录教务系统查看成绩单时的可见信息。
模式：概念级，是对数据库中所有数据的逻辑和特征的描述，比如一张数据库表格的所有表头。
内模式：所有数据在机器内部的储存模式。
2.对应三级模式，存在两种映射。
3.数据库的三级结构保证了它的物理独立性（应用程序和机器储存的数据之间独立）和逻辑独立性（应用程序和模式间独立）。
比如在数据库中更新了某一个表头的名称，此时只需要改变映射，不需要再改变应用程序，同样的，在改变了机器中存储的数据时也不需要改变应用程序。DBMS的主要功能：
定义数据库（create）；
控制数据库(比如primary不能重复）；
数据库储存；
数据库维护（突然断电!等情况发生后要及时恢复数据）
数据库字典（数据库记录数量访问次数及三级结构的定义）；
《数据库原理与应用》学习笔记（一）：概论相关推荐
- 逻辑斯蒂回归_逻辑斯蒂回归详细解析 | 统计学习方法学习笔记 | 数据分析 | 机器学习...
本文包括: 重要概念 逻辑斯蒂回归和线性回归 二项逻辑斯谛回归模型 逻辑斯蒂回顾与几率 模型参数估计 多项逻辑斯谛回归 其它有关数据分析,机器学习的文章及社群 1.重要概念: 在正式介绍逻辑斯蒂回归模 ...
- 统计学习方法 学习笔记（十）：决策树
这一个学习笔记将要了解决策树,在研一上机器学习这门课的时候,老师在讲到这一节的时候,举了一个例子我现在还能记得:你们坐在这里上课,就像这个决策树一样,在你人生中的每一个重要结点,你都做出了选择,经过多 ...
- 统计学习方法 学习笔记（五）：支持向量机（下）
通过支持向量机(上)和支持向量机(中)的介绍,对支持向量机应该有点感性的认识啦!在这个学习笔记中,来继续探寻带核函数的支持向量机(解决如下图所示的问题) 对解线性分类问题,线性分类支持向量机是一种非常 ...
- 统计学习方法 学习笔记（1）统计学习方法及监督学习理论
统计学习方法及监督学习理论 1.1.统计学习 1.1.1.统计学习的特点 1.1.2.统计学习的对象 1.1.3.统计学习的目的 1.1.4.统计学习的方法 1.1.5.统计学习的研究 1.1.6.统 ...
- 统计学习方法读书笔记（六）-逻辑斯蒂回归与最大熵模型（迭代尺度法（IIS））
全部笔记的汇总贴:统计学习方法读书笔记汇总贴 逻辑斯谛回归 (logistic regression )是统计学习中的经典分类方法.最大熵是概率模型学习的一个准则,将其推广到分类问题得到最大熵模型(m ...
- 统计学习方法读书笔记（九）-EM算法及其推广
全部笔记的汇总贴:统计学习方法读书笔记汇总贴 EM算法用于含有隐变量(hidden variable)的概率模型参数的极大似然估计,或极大后验概率估计.EM算法的每次迭代由两步组成:E步,求期望(ex ...
- 《统计学习方法第二版》学习笔记1——概论
第1章 统计学习及监督学习概率论 目录 第1章 统计学习及监督学习概率论 前言 1 理论部分 1.1 统计学习 1.2 统计学习的分类 1.3 统计学习方法三要素 1.4 模型评估与模型选择 1.5 ...
- 机器学习：《统计学习方法》笔记（一）—— 隐马尔可夫模型
参考:<统计学习方法>--李航:隐马尔可夫模型--码农场 摘要 介绍隐马尔可夫模型的基本概念.概率计算.学习方法.预测方法等内容. 正文 1. 基本概念 隐马尔可夫模型是关于时序的模型,描 ...
- 统计学习方法 读书笔记（五）
读书笔记仅供个人学习使用 本文主要参考书籍为<统计学习方法>(李航)第二版 参考 Sunning_001的博客 决策树 决策树的定义 if-then 的理解 条件概率分布的理解 决策树学习 ...
- 统计学习方法 - 第1章 - 概论
全书章节 第1章 统计学习方法概论 第2章 感知机 第3章 k近邻法 第4章 朴素贝叶斯法 第5章 决策树 第6章 逻辑斯谛回归与最大熵模型 第7章 支持向量机 第8章 提升方法 第9章 EM算法及其 ...
最新文章
- SWTBOK測试实践系列（1） -- 測试在项眼下期的评审投入划算吗？
- C语言实现克拉茨Collatz序列(附完整源码)
- apache weblogic ssl linux,apache基于ssl配置weblogic(完结篇)
- python 自动化出报表,python实现报表自动化详解
- UNIX/Linux系统管理技术手册(1)----脚本和shell
- 部分添加epel源失败的可以试试直接把mirror站网址写到baseurl里
- linux下bus、devices和platform的基础模型 【转】
- GDB调试字符数组时指针和数组区别的体现
- java中使用switch case报错case expressions must be constant expres
- 北邮数电 爱课堂答案 Verilog专题
- 电脑无法进入路由器192.168.1.1的解决办法
- 推荐网络带宽控制软件Netlimiter
- 已解决ImportError: Pandas requires version ‘2.0.1‘ or newer of ‘xlrd‘ (version ‘1.2.0‘ currently instal
- 失去后才发现一直都爱
- Asterisk电子传真-5
- 万字长文带你探究 Docker 容器化技术背后的黑科技
- IAR中使用IELFTOOL进行软件代码checksum的生成和添加
- C语言中 指针变量 取地址符的用法 *指针变量名的用法
- 监听settings
- 咸阳哪里学计算机,咸阳计算机进修学院