数据挖掘工具和技术

本页包括数据挖掘工具和技术．它提到了生产数据挖掘工具的数据挖掘公司。它还提到了各种数据挖掘技术、算法和方法。

作品简介:
正如我们从数据挖掘教程数据挖掘是指从数据库、数据仓库、WWW和其他存储库中的大量可用数据中提取相关数据。

这些工具和技术将有助于对各种应用程序或用例进行数据挖掘。数据挖掘是KDD (Knowledge Discovery in Databases)的关键部分。整个KDD过程分为以下几个步骤或子过程。
•数据选择•数据清洗•数据转换•模式搜索(即数据挖掘，发现表示，发现解释，发现评价)。

数据挖掘技术如下所示。
•链接分析:关联规则，顺序模式，时间序列
•预测建模:树归纳，神经网络，回归
•数据库分割:聚类，k-means
•偏差检测:可视化，统计

数据挖掘还有其他技术，包括机器学习、数据库系统、粗糙集、神经网络等。

下面的表1提到了数据挖掘工具及其描述。这些工具分为两组。第一组由Aureka和STN AnaVist组成，不需要用户学习。基于第一组的工具易于使用，并以最小的工作量提供基本的分析。

第二组由OmniViz和TDA vantagePoint组成。这些工具可以用于任何类型的数据。使用这些工具需要一些学习。这两个工具都带有默认值，并提供过滤器/向导来导入数据。

数据挖掘工具	描述
Aureka	该工具由汤森路透开发，使用从MicroPatent数据库检索的数据。
STN Anavist	该工具由美国化学学会开发，使用了从四个STN专利数据库中检索的数据。
OmniViz	该工具由BioWisdom开发，旨在分析生物数据。它也可以用于其他技术。它提供了许多不同的可视化技术。它具有灵活、高效和互动性的特点。对于具有数据挖掘方法和算法知识的用户来说，它是一个很好的工具。OmniViz数据挖掘工具可以处理任何格式的数据。相关过滤数据可以导出到microsoft excel。
汤姆逊数据分析仪(VantagePoint)	由汤森路透开发。它使用VantagePoint软件进行分析。VantagePoint是由Search Technology开发的。它还分析所有格式的数据。它提供了三种类型的预定义报表。报告包括公司报告、公司比较报告和技术报告。

由于数据挖掘从大量数据中提供非常有价值的信息，因此它被广泛应用于许多技术和领域。它包括金融数据分析、零售业、电信业、生物数据分析、其他科学应用等。有专门开发的数据挖掘工具来满足这些生动的市场需求。下表2提到了他们中的一些人。

bet188金宝搏