数据挖掘概念与技术怎么样
这个是数据挖掘方面的基础，国外的思维方式和咱们这个有点差异，所以觉得有点怪，但是大部分翻译书籍都是这样。而且范明是我的老师，在数据库反方面造诣很深，待人很不错。
数据库,数据仓库和数据挖掘技术之间的区别?
数据库就是我们通常用到的用于联机事务处理的。数据仓库主要针对联机分析处理帮助决策人员进行决策的。数据挖掘技术可以作为数据仓库的前端应用，在数据仓库中挖掘出有价值的信息。
数据挖掘技术涉及哪些技术领域
目前擞据挖掘的应用领域包括以下八个方面： 金融、医疗保健、市场业、零售业、制造业、司法、工程和科学、保险业 在选择一种数据挖掘技术的时候，应根据问题的特点来决定采用哪种数据挖掘形式比较合适。应选择符合数据模型的算法，确定合适的模型和参数，只有选择好正确的数据挖掘工具，才能真正发挥数据挖掘的作用。
数据挖掘是做什么的
数据挖掘(Data Mining)的定义是通过分析每个数据，从大量数据中寻找其规律的技术，主要有数据准备、规律寻找和规律表示3个步骤。数据挖掘的任务有关联分析、聚类分析、分类分析、异常分析、特异群组分析和演变分析等。 数据挖掘能做以下七种不同事情： · 分类 （Classification） · 估计（Estimation） · 预测（Prediction） · 相关性分组或关联规则（Affinity grouping or association rules） · 聚类（Clustering） · 描述和可视化（Description and Visualization） · 复杂数据类型挖掘(Text, Web ,图形图像，视频，音频等)
数据挖掘部是做什么的?
分析方法： 数据挖掘 · 分类 （Classification） · 估计（Estimation） · 预测（Prediction） · 相关性分组或关联规则（Affinity grouping or association rules） · 聚类（Clustering） · 描述和可视化（Description and Visualization） · 复杂数据类型挖掘(Text, Web ,图形图像，视频，音频等) 方法简介： ·分类 （Classification） 首先从数据中选出已经分好类的训练集，在该训练集上运用数据挖掘分类的技术，建立分类模型，对于没有分类的数据进行分类。 例子： a. 信用卡申请者，分类为低、中、高风险 b. 故障诊断：中国宝钢集团与上海天律信息技术有限公司合作，采用数据挖掘技术对钢材生产的全流程进行质量监控和分析，构建故障地图，实时分析产品出现瑕疵的原因，有效提高了产品的优良率。 注意： 类的个数是确定的，预先定义好的 · 估计（Estimation） 估计与分类类似，不同之处在于，分类描述的是离散型变量的输出，而估值处理连续值的输出；分类 数据挖掘 的类别是确定数目的，估值的量是不确定的。 例子： a. 根据购买模式，估计一个家庭的孩子个数 b. 根据购买模式，估计一个家庭的收入 c. 估计real estate的价值 一般来说，估值可以作为分类的前一步工作。给定一些输入数据，通过估值，得到未知的连续变量的值，然后，根据预先设定的阈值，进行分类。例如：银行对家庭贷款业务，运用估值，给各个客户记分（Score 0~1）。然后，根据阈值，将贷款级别分类。 · 预测（Prediction） 通常，预测是通过分类或估值起作用的，也就是说，通过分类或估值得出模型，该模型用于对未知变量的预言。从这种意义上说，预言其实没有必要分为一个单独的类。预言其目的是对未来未知变量的预测，这种预测是需要时间来验证的，即必须经过一定时间后，才知道预言准确性是多少。 相关性分组或关联规则 （Affinity grouping or association rules） 决定哪些事情将一起发生。 例子： a. 超市中客户在购买A的同时，经常会购买
B，即A => B(关联规则) b. 客户在购买A后，隔一段时间，会购买
B （序列分析） · 聚类（Clustering） 聚类是对记录分组，把相似的记录在一个聚集里。聚类和分类的区别是聚集不依赖于预先定义好的类，不需要训练集。 例子： a. 一些特定症状的聚集可能预示了一个特定的疾病 b. 租VCD类型不相似的客户聚集，可能暗示成员属于不同的亚文化群 聚集通常作为数据挖掘的第一步。例如，"哪一种类的促销对客户响应最好？"，对于这
一 类问题，首先对整个客户做聚集，将客户分组在各自的聚集里，然后对每个不同的聚集，回答问题，可能效果更好。 · 描述和可视化（Description and Visualization） 是对数据挖掘结果的表示方式。一般只是指数据可视化工具，包含报表工具和商业智能分析产品（BI）的统称。譬如通过Yonghong Z-Suite等工具进行数据的展现，分析，钻取，将数据挖掘的分析结果更形象，深刻的展现出来。 挖掘分类 以上七种数据挖掘的分析方法可以分为两类：直接数据挖掘；间接数据挖掘· 直接数据挖掘 目标是利用可用的数据建立一个模型，这个模型对剩余的数据，对一个特定的变量（可以理解成数据库中表的属性，即列）进行描述。 间接数据挖掘 目标中没有选出某一具体的变量，用模型进行描述；而是在所有的变量中建立起某种关系 。 · 分类、估值、预言属于直接数据挖掘；后四种属于间接数据挖掘
数据挖掘数据预处理的关键技术有哪些
分箱方法是一种简单常用的预处理方法，通过考察相邻数据来确定最终值。所谓“分箱”，实际上就是按照属性值划分的子区间，如果一个属性值处于某个子区间范围内，就称把该属性值放进这个子区间所代表的“箱子”内。把待处理的数据（某列属性值）按照一定的规则放进一些箱子中，考察每一个箱子中的数据，采用某种方法分别对各个箱子中的数据进行处理。在采用分箱技术时，需要确定的两个主要问题就是：如何分箱以及如何对每个箱子中的数据进行平滑处理。
数据挖掘是一种从数据库，统计学和机器学习发展的技术的简单转换吗
数据挖掘－Data Mining不是一个骗局，而是一种还处于发展中，已经投入部分投入实际生产实践的技术框架。 DM之所以经常和知识发现概念相关联是因为知识发现（Knowledge Discovery）是DM的目标和产出！
会数据挖掘技术的请进！
楼主需要的是数据挖掘从入门到精通，这得专门培训一段时间，据我了解（我不编程）起码得啃好几本算法的书，才能编出有效率的程序。。。 看来你是想编数据挖掘的算法了，去看（加）韩家炜的《数据挖掘概念与技术（原书第2版）》吧。听别人建议：数学好的话，再去看看《数据挖掘原理》by David Hand,Heikki Mannila,Padhraic Smyth，和某本实验机器学习的书，DM理论水平应该有一定基础。 当然了，如果只是混个学分就无所谓了，就算你编的程序跑1万条数据就歇菜了都没关系。 晕菜，下次提问把目的，背景说清楚了。 建议你的系统架构把客户订单管理与数据挖掘分开，订单管理系统这个不难，你应该会，数据挖掘可以利用现有的软件做，（例如楼上的哥们所说的SAS，SPSS clementine(推荐这个)，甚至EXCEL2007）把订单管理系统中的数据导入数据挖掘软件中进行建模分析，至于分析什么，看你的爱好了，结合收款情况可以做信用管理，结合促销活动可以做营销相应分析，实在想简单点，做个聚类或者分类搞客户细分，等等，想混学分的话模型就用神经网络吧，这个黑箱你爱怎么解释就怎么解释。 题外话，其实，很多时候用不上数据挖掘，统计分析就够了。统计分析做得不到位就搞数据挖掘纯属得瑟
