1 svn diff的用法1.1 对比当前本地的工作拷贝文件(working copy)和缓存在.svn下的版本库文件的区别svn diff1.2 对比当前本地的工作拷贝文件(working copy)和任意版本A的差异svn diff -rA比如，以下将对比本地的工作拷贝文件(working copy)和版本94239的差异svn diff -r942391.3 对比任

为了使用方便，我们会把WinSCP的session保存起来。如何把A机器上保存的session信息迁移到B机器上，只需要把A机器的seession拷贝到B机器上就可以了。在这之前，首先需要在A机器上设定将WinSCP的session信息用文件方式存储。 1 在A机器上打开WinSCP 2 点击PREFERENCES ->STORAGE -> CONFIGURATION -> STO

可伸缩性：一个算法是可伸缩的(scalable)，如果给定内存和磁盘空间等可利用的系统资源，其运行时间应当随数据库大小线性增加。数据仓库data warehouse：数据仓库是从多个数据源收集的信息存储，存放在一个一致的模式下，并通常驻留在单个站点。数据集市data mart：数据集市是数据仓库的一个部门子集。孤立点outlier:大部分数据挖掘方法将孤立点是为噪声或异常而丢弃，然而在一些应用中(

 本文主题是用SSIS对数据进行ETL操作： 首先，安装SQL Server2005自带的数据库AdventureWorks。安装这个数据库分为两种情况。 1如果SQL Server2005已经安装好了却没有安装这个数据库。那么【第一种方法】开始菜单->所有程序->Microsoft Visual Studio 2005->configurationtool

<br /><br />概念描述： <br />概念描述产生数据的特征化和比较描述。进行概念描述时，可以采用属性删除和属性概化(attribute generalization) 。 <br />什么叫做属性概化(attribute generalization)? <br />其实就是将具体的内容变得更抽象。 <br />例: place 属性下的Vancouver, BC, Canada 和M

<br />分类<br />第一步，建立一个模型，描述预定的数据类集或者概念集。<br />第二步，使用模型进行分类。<br />补充说明：<br />1 数据类集或者概念集还可以被称为样本、实例、对象。<br />2为建立模型而被分析的数据类集称为训练数据集。<br />3 这是一种有指导的学习，而在聚类中，使用的是无指导的学习。<br />对分类方法进行评估<br />可以采用的评估标准包括：

《数据挖掘概念与技术》学习笔记第8章(8/10)聚类分析聚类分析聚类分析是一种无指导的学习。对于聚类分析的好坏程度的判断标准是：可伸缩性、处理不同类型属性的能力、发现任意形状的聚类，用于决定输入参数的领域知识最小化、处理噪声数据的能力、对于数据记录的顺序不敏感、高维性、基于约束的聚类、可解释性和可用性。数据矩阵二模矩阵(tow-mode)相异度矩阵单模矩阵(one-mode)数据标准化：距离度量欧

<br /><br />项目集：项的集合，记为I。牛奶，面包，苹果，etc<br />事  务：事务T是I中的一组项目的集合，每个事务都有个一个TID作为标识符号。<br /> <br />项目集X的支持度<br />         Sup(X)=Count(X)/|D|<br />关联规则X->Y的支持度<br />         Sup(X->Y)=Count(X->Y)/|D|<br /

 商业智能实际上包含两个层次：第一个层次是在整合系统数据的基础上提供灵活的前端展现。第二个层次是数据库中的知识发现。知识发现的主要技术构成是数据挖掘。这种层次关系类比自然界中的普遍规律来理解，比如生态系统中的层次，食物链中的层次，软件架构的层次(MVC)等等。 一般，业务数据中的表的关系要基于关系数据库设计的范式，而数据仓库中的表不受关系数据库设计范式的约束。 在S

多维数据模型：数据仓库和OLTP基于多维数据模型，该模型将数据看成数据立方体(data cube).多维数据模型的形式有：星型模式： 一个事实表，若干维度表雪花模式：一个事实表，若干维度表，但是维度表是规范化的，即进一步把数据分解到附加的表中。省空间，花时间。事实星座模式：多个事实表，它们各自可以有自己独有的维度表，也可以共享维度表，并且维度表可以是规范化的也可以不是规范化的。数据挖掘查询语言DM