数据挖掘

数据挖掘


数据挖掘理论

数据挖掘概述
    数据挖掘是指从大量的数据中提取有用的信息和知识的过程。
1 数据挖掘对象
    数据挖掘可以针对任何类型的数据源。
1）关系数据库，利用关联分析等技术
2）数据仓库，数据仓库中的数据在进入仓库之前，经过了加工和集成，为数据挖掘所需要的高质量数据提供了保证
3）文本：特征提取，分类，聚类，文本摘要
4）多媒体数据：特征提取，基于内容的相似检索，
5）空间数据：空间关联分析，聚类，分类，空间趋势分析，光栅数据库挖掘
6）时序数据：趋势分析，序列模式挖掘等
7）Web数据：内容挖掘，结构挖掘，日志挖掘

XML数据挖掘

XML聚类
增强网络中XML文档的组织性，为检索提供良好技术支持


基于划分的聚类算法
首先随机的指定k个对象，每个对象代表一个簇的初始均值或者中心点，每个对象计算与k个簇均值或中心点相似度，并将其指派到最相似的簇中，然后更新簇的均值或者中心点，如此循环往复，直至均值或者中心点不再变化为止。

 

Oracle数据挖掘
1
    Oracle数据挖掘，Oracle Data Mining，ODM。
    ODM是Oracle数据库企业版的一个选件。可以通过Java和PL/SQL应用程序编程接口和Oracle Data Miner图形用户界面访问。
    CRISP-DM是事实上的数据挖掘行业标准和重要的数据挖掘过程模型，Oracle数据挖掘支持这一数据挖掘的跨行业标准流程。

    监督式学习需要数据分析人员确定一个目标属性和相关变量。
    在无监督式学习中，用户不为数据挖掘算法指定目标属性。

    Oracle数据挖掘提供两个聚类算法：增强的K-Means和正交分区聚类（O-Cluster）。

2
    启动Oracle Data Miner：双击<your_path>\bin\odminerw.exe。
    DBMS_DATA_MINING程序包包含若干过程，包括CREATE_MODEL和APPLY。CREATE_MODEL过程根据设置表（作为过程的参数之一提供）中的值为给定挖掘函数和数据集创建挖掘模型。