数据挖掘库（数据 挖掘）

数据挖掘的国内外研究现状

简而言之，数据挖掘其实是一类深层次的数据分析方法。从这个角度数据挖掘也可以描述为：按企业制定的业务目标，对大量的企业数据进行探索和分析，揭示隐藏的、未知的或验证已知的规律性，并进一步将其模型化的先进有效的方法。

国外的研究重点从发现方法逐渐向系统应用直到转向大规模综合系统开发，并且注重多种发现策略和技术的集成。与国外相比，国内对DMKD研究较晚，没有形成整体力量。目前国内许多的科研单位和高等院校竞相开展知识发现的基础理论及其应用研究。具体研究方向建议去数据堂看一下。

数据库营销的基本操作过程是，建立营销数据库，数据挖掘技术在经济中的应用是信息决策、经济管理等领域的前沿研究方向之一。

数据挖掘人员需具备以下基本条件，才可以完成数据挖掘项目中的相关任务。

数据挖掘技术

统计技术 数据挖掘涉及的科学领域和技术很多，如统计技术。统计技术对数据集进行挖掘的主要思想是：统计的方法对给定的数据集合假设了一个分布或者概率模型（例如一个正态分布）然后根据模型采用相应的方法来进行挖掘。关联规则 数据关联是数据库中存在的一类重要的可被发现的知识。

决策树决策树用于分类或预测数据。决策树从一个简单的问题开始，它有两个或多个的答案。每个答案将会引出进一步的问题，该问题又可被用于分类或识别可被进一步分类的数据，或者可以基于每个答案进行预测。 序列模式序列模式识别相似事件的趋势或通常情况发生的可能。

①决策树技术 决策树是一种非常成熟的、普遍采用的数据挖掘技术。在决策树里，所分析的数据样本先是集成为一个树根，然后经过层层分枝，最终形成若干个结点，每个结点代表一个结论。②神经网络技术 神经网络是通过数学算法来模仿人脑思维的，它是数据挖掘中机器学习的典型代表。

数据挖掘技术是数据处理的技术，它有三个主要部分是算法与技术、数据、建模能力，作用是对数据进行分析、挖掘和处理，得到最后的评估结果。它通常会有八个步骤来完成，先信息收集，再数据集成，然后数据规约，之后清理数据、变换数据、挖掘数据、评估模式、表示知识，并且整个过程是重复循环的。

数据挖掘是要发现深藏在数据内部的知识，而不是那些直接浮现在数据表面的信息。常用的BI工具，例如报表和OLAP，完全可以让用户找出这些信息。④新奇性 挖掘出来的知识应该是以前未知的，否则只不过是验证了业务专家的经验而已。只有全新的知识，才可以帮助企业获得进一步的洞察力。

新奇性 发掘的常识曾经应该是未知的，不然仅是为了验证事务专家的经验。只有新常识才能帮助公司取得进一步的洞察力。价值性 发掘的成果必须为企业带来直接或间接的利益。有人说数据发掘仅仅杀龙技术。它看起来牛气哄哄，但没有用。这仅仅一个错误的主意。

数据仓库与数据挖掘的内容简介

1、本书详尽阐述了数据仓库与数据挖掘技术，分为十个部分，旨在深入探讨商务智能的核心概念。首先，第一章介绍了商务智能的基础知识，为后续章节打下坚实的基础。接着，第二章详细探讨了数据仓库的开发模型，为实际项目提供了框架指导。

2、首先，第一章介绍了商务智能的基础理论，为后续章节奠定了基础。接着，第二章至第四章分别探讨了数据仓库的开发模型和应用过程，以及在线分析的原理和技术。第五章特别关注了数据挖掘的基本原理和技术，以及相关的应用工具。第六章转向电子商务的智能化，展示如何将这些技术应用到实际的商业环境中。

3、《数据仓库与数据挖掘》主要介绍数据仓库和数据挖掘技术的基本原理和应用方法，全书共分为12章，主要内容包括数据仓库的概念和体系结构、数据仓库的数据存储和处理、数据仓库系统的设计与开发、关联规则、数据分类、数据聚类、贝叶斯网络、粗糙集、神经网络、遗传算法、统计分析、文本和Web挖掘。

4、数据仓库围绕一些主题如顾客、供应商、产品和销售来组织。数据仓库关注决策者的数据建模与分析，而不是组织机构的日常操作和事务处理。（2）集成（Integrated）的数据集合。