数据挖掘大部分的价值在于利用数据挖掘技术改善预测模型。知识发现KD输出的是规则数据挖掘DM输出的是模型共同点两种方法输入的都是学习集（learning sets）目的都是尽可能多的自动化数据挖掘过程只能半自动化，不能完全自动化社会信息化后，社会的运转是软件的运转，社会的历史是数据的历史技术分类预言：用历史预测未来描述：了解数据中潜在的规律数据挖掘技术关联分析序列模式分...

根据系统的内存使用量，CPU使用量，以及进程数分析问题ETL与ELTETL多数依靠工具，利用工具进行数据清洗，标准化后装载ELT是先将数据装载入数据库，再利用数据库技术清洗数据使用ETL还是ELT和你本身数据库的特性有关的，有些种类数据库（线性增长的数据库||并行处理），数据的逻辑处理在库内的速度要快，而有些库是将复杂的逻辑放在库外更合适。Teradata数据库采用的...

熵（entropy）指的是体系的混乱的程度，它在控制论、概率论、数论、天体物理、生命科学等领域都有重要应用，在不同的学科中也有引申出的更为具体的定义，是各领域十分重要的参量。数据预处理数据预处理技术包括：聚集、抽样、维规约、特征子集选择、特征创建、离散化和二元化、变量变换。属性的类型：标称（定性的）值仅仅是不同的名字，即只提供足够的信息以区分对象，如ID，性别。序数（定性的）...

数据库导入层DataStage 是由IBM公司开发的，是一套专门对多种操作数据源的数据抽取、转换和维护过程进行简化和自动化，并将其输入数据集市或数据仓库目标数据库的集成工具。DataStage 能够处理多种数据源的数据，包括主机系统的大型数据库、开放系统上的关系数据库和普通的文件系统等联机分析处理OLAP（On-Line Analytical Processing）是数据仓库系统...