[转载]SQLServer2005DataMining简介哥本哈士奇(aspnetx)

SQLServer2005DataMining简介MicrosoftSQLServer2005DataMining平台引入了大量的功能，既能采用传统方式处理数据挖掘，也能采取新的方式进行数据挖掘工作。就传统方式而言，数据挖掘可以根据输入来预测未来的结果，或者尝试发现以前未识别但类似的组中的数据或簇数据间的关系。Microsoft数据挖掘工具与传统数据挖掘应用程序有很大的不同。首先，它们支持组织中数据的整个开发生命周期（Microsoft将其称为集成、分析和报告）。此功能使得数据挖掘结果不再仅限于供少数专门的分析人员使用，而将其向整个组织开放了。其次，SQLServer2005DataMining是开发智能应用程序的平台，而并非一个独立应用程序。由于可以方便地从外部访问数据挖掘模型，因而可以构建智能化的自定义应用程序。而且，该模型具有可扩展性，因此第三方可以添加自定义算法以支持特定的挖掘需求。最后，Microsoft数据挖掘算法还可以实时运行，允许实时根据挖掘的数据集进行数据验证。

模型

描述

决策树

决策树算法将基于培训集中的值计算输出的几率。例如，20-30岁年龄组中每年收入超过60,000美元，且有自己的房子的人比没有自己房子的15-19岁年龄组的人更可能需要别人提供整理草坪的服务。以年龄、收入和是否有房子等信息为基础，决策树算法可以根据历史数据计算某个人需要整理草坪的服务的几率。

关联规则

关联规则算法将帮助识别各种元素之间的关系。例如，在交叉销售解决方案中就使用了该算法，因为它会记录各个项之间的关系，可以用于预测购买某个产品的人也会有兴趣购买何种产品。关联规则算法可以处理异常大的目录，经过了包含超过五十万种商品的目录的测试。

NaveBayes

NaveBayes算法用于清楚地显示针对不同数据元素特定变量中的差异。例如，数据库中每个消费者的HouseholdIncome（家庭收入）变量都会不同，可以作为预测未来购买活动的参数使用。此模型在显示特定组间的差异方面尤为出色，如那些流失的消费者和那些未流失的消费者。

顺序簇化

神经网络

神经网络是人工智能的核心。它们旨在发现数据中其他算法没有发现的关系。神经网络算法一般比其他算法更慢，但它可以发现各种并不直观的关系。

文本挖掘

文本挖掘算法出现在SQLServerIntegrationServices中，用于分析非结构化的文本数据。利用此算法，各个公司可以对非结构化数据进行分析，如消费者满意度调查中的“comments”（注释）节。

可扩展性SQLServer2005包括了大量可以立即使用的算法，而SQLServer2005所使用的模型允许任何供应商向数据挖掘引擎添加新模型。这些模型将与SQLServer2005提供的模型处于同等位置。第三方的算法还可以享有其他功能所带来的优势：可以使用DMX对其进行调用，且易于集成到集成、分析和报告过程的任何部分中。

使用数据挖掘可以解决的问题谈到数据挖掘可以解决的业务问题时，很多人都会想到购物篮分析或发现数据间的关系，这些在以前都已经广为人知了。实际上，很多问题都可以通过数据挖掘得到解决，但要处理这些问题，重要的是要认识到数据挖掘可以适用于集成、分析和报告过程的任意阶段。

---------------------------------------------------------------