数据挖掘工具的分类与挖掘

随着数据挖掘技术的发展,各种各样的数据挖掘工具不断开发出来,如何把握这些工具的功能、挖掘技术和未来发展趋势,是一个非常困难的事情。文中借助数据挖掘技术提出了数据挖掘软件工具的一个多维立方体分类模型,给出了一个具体分类实例,总结出数据挖掘工具的技术发展路线和未来发展趋势,并通过对三个不同阶段的数据挖掘工具的深入比较,进一步验证了文中的结论。     

数据挖掘工具的评判

本文通过对中国市场上最为流行的三大数据挖掘软件(SAS公司的Enterprise Miner、IBM公司的Intelligent Miner和SPSS公司的Clementine从数据存取、数据处理、模型算法、自动建模、可视化以及其它系统要求6项指标进行了评估.经过分析SAS公司的Enterprise Miner、IBM公司的Intelligent Miner和SPSS公司的Clementine的综合得分分别为96、88和86.SAS公司的Enterprise Mine效果最好.     

数据挖掘工具的评判

本文通过对中国市场上最为流行的三大数据挖掘软件(SAS公司的EnterpriseMiner、IBM公司的IntelligentMiner和SPSS公司的Clementine从数据存取、数据处理、模型算法、自动建模、可视化以及其它系统要求6项指标进行了评估。经过分析SAS公司的EnterpriseMiner、IBM公司的IntelligentMiner和SPSS公司的Clementine的综合得分分别为96、88和86。SAS公司的EnterpriseMine效果最好。     

数据挖掘及其工具的合理选择

本文给出了基于数据库的知识发现（KDD）的核心——数据挖掘,通过对数据挖掘的实现过程和种类的分析,给出了数据挖掘工具的合理选择标准．为充分利用数据挖掘工具提供了参考。     

教你使用数据挖掘工具Weka

介绍了Weka的历史、特点及使用方法.     

数据挖掘技术及工具研究

本文对数据挖掘技术作了简要的概述，分析了数据挖掘的体系结构和数据挖掘的分析方法，并简要介绍了几种数据挖掘工具以及它们的特点，在文章的最后展望了数据挖掘的发展方向。     

使用数据挖掘工具Weka

当今社会,数据无处不在,数据挖掘技术作为一种新的信息处理技术,从海量的数据中找出有潜在价值的数据规律或数据模型。用人工的方式难以实现这个目标,Weka是一种可用于数据挖掘的工具,数据挖掘用户可使用Weka执行数据预处理,分类,回归,聚类,关联规则等任务。以Weka自带的数据集为例,详细介绍作为易于使用的数据挖掘工具Weka的使用。     

国外先进数据挖掘工具的比较分析

近年来，国外陆续推出了一些先进的数据挖掘工具。国内也在不断地引入这些数据挖掘工具。随着数据挖掘工具的不断涌现，如何选择适合企业自身特定需要的数据挖掘工具，已成为企业引入数据挖掘技术的一大难题。文章在简要概述数据挖掘技术背景的基础上，从企业应用的角度，全面详细地比较分析了当前国外先进的数据挖掘工具。     

数据挖掘分类算法研究与探讨

数据挖掘技术是一个年轻且充满希望的研究领域,商业利益的强大驱动力将会不停地促进它的发展。随着数据库应用的不断深化,数据库的规模急剧膨胀,数据挖掘已成为当今研究的热点,每年都有新的数据挖掘方法和模型问世,特别是其中的分类问题,引起了越来越多的关注。     

数据挖掘原型系统GenMiner中分类挖掘模块的设计与实现

通用数据挖掘原型系统GenMiner中分类挖掘模块采用耗时短,分类效率高,较为成熟的决策树C4．5,介绍了该系统中分类挖掘模块的设计与实现,并说明了分类挖掘模块采用决策树C4．5的方法。     

数据挖掘工具的应用与标准化

介绍了数据挖掘概念,给出了目前数据挖掘工具的主要分类及存在的问题,探讨了数据挖掘语言的发展对数据挖掘工具标准化的推 动作用,并对数据挖掘工具未来的发展进行了展望。     

Excel2010数据挖掘工具的应用研究

Excel2010作为一种数据挖掘工具,既简单又实用。该文重点研究了Excel2010在数据挖掘方面的功能,并以公共自行车在城市交通网络中的应用为例,介绍了Excel2010数据挖掘方法并对Excel2010数据挖掘算法进行了分析。     

统计行业数据分析与数据挖掘工具应用

现阶段,随着网络信息技术的蓬勃发展,人们越来越重视对数据的收集、整理、分析以及应用,通过对数据进行一系列加工处理,使得数据在推动社会进步和改善人们生活方面的作用不断凸显。在大数据时代,数据的价值被无限放大,数据分析的水平不断提高,数据挖掘的工具不断更新。基于此,笔者主要对统计行业数据分析与数据挖掘工具的相关内容进行阐述,希望能够为有关单位和相关人员开展工作提供借鉴。     

国际知识发现与数据发掘工具评述

数据库中的知识发现是一个正在迅速局长的新兴领域,受到了学术研究界和企事业单位的广泛重视。在过去几年间,知识发现工具主要用于研究环境;而现在,复杂的工具产品正不断出现。在本文中,我们概述常见知识发现任务及其解决方法,并按照知识发现与数据发掘工具的一般特征、数据库连接性和数据发掘特征这三大项指标分析研究43种具有代表性的软件产品,这些产品有的是研究原型,有的是商品化的。最后,我们指出为了有效地满足用户需求,以及为了解决那些尚未解决或未充分解决的问题,知识发现软件所应该具有的重要特性。     

数据挖掘工具DMTools的设计与实现

介绍了一个通用的数据工具ＤＭＴｏｏｌｓ。它实现了基于数据库的知识发现的主要过程,可视分析,数据预处理,数据库的知识发现,数据挖掘,模型解释及模型评估算。主要介绍了这个系统的体系结构和各愉的功能。使用本工具。可从各行业的历史业务数据库中挖掘出隐含的有价值的知识,用于决策支持。     

利用数据挖掘工具分析上网流量

本论文利用SQL Server2005中的数据挖掘工具对某单位访问外网的流量及相关信息进行了分析。通过利用聚类、决策树、Naive Bayes等模型得出了影响访问流量的几个关键属性。根据这次挖掘的结果,网管人员可在时间以及网段等方面对流量进行一定的调整,从而使网络资源得到最有效的利用。     

基于半监督学习的数据流分类方法

在数据流上建立有效的分类模型具有许多应用.流数据的动态性给业界提出了两个关键问题:如何监测数据流的变化;一旦发生显著变化,如何高效地组织足够的训练数据,调整无效的模型.提出了一个基于半监督学习的分类算法,较好地解决了这些问题.设计了一种识别显著变化的可靠方法;提出了一个基于naive Bayes的EM算法,利用较少的类标数据来扩大训练数据集,从而极大地降低类标数据的需求量.基于新的训练数据可以构建一个有效的分类器.实验结果证明了算法的优势.