【数据挖掘】数据挖掘-系统

有各种各样的数据挖掘系统可用。数据挖掘系统可以集成以下技术——

• 空间数据分析
• 信息检索
• 模式识别
• 图像分析
• 信号处理
• 计算机图形学
• Web技术
• 商业
• 生物信息学

数据挖掘系统分类

数据挖掘系统可以根据以下标准进行分类-

• 数据库技术
• 统计数字
• 机器学习
• 信息科学
• 可视化
• 其他专业

除此之外，数据挖掘系统还可以基于（a）挖掘的数据库、（b）挖掘的知识、（c）使用的技术和（d）适应的应用的类型进行分类。

基于挖掘数据库的分类

我们可以根据挖掘的数据库类型对数据挖掘系统进行分类。数据库系统可以根据不同的标准进行分类，如数据模型、数据类型等，数据挖掘系统也可以进行相应的分类。

例如，如果我们根据数据模型对数据库进行分类，那么我们可能有一个关系型、事务型、对象关系型或数据仓库挖掘系统。

基于挖掘知识类型的分类

我们可以根据挖掘的知识类型对数据挖掘系统进行分类。这意味着数据挖掘系统是根据诸如−

• 刻画
• 区别/辨别
• 关联与相关性分析
• 分类
• 预言
• 异常值分析
• 进化分析

基于所使用技术的分类

我们可以根据使用的技术类型对数据挖掘系统进行分类。我们可以根据所涉及的用户交互程度或所采用的分析方法来描述这些技术。

基于自适应应用程序的分类

我们可以根据所适应的应用程序对数据挖掘系统进行分类。这些应用程序如下-

• 金融
• 电信
• 脱氧核糖核酸
• 股票市场
• 电子邮件

数据挖掘系统与DB/DW系统的集成

如果数据挖掘系统没有与数据库或数据仓库系统集成，那么就没有可通信的系统。这种方案被称为非耦合方案。在该方案中，主要关注数据挖掘设计和开发高效有效的算法来挖掘可用的数据集。

集成方案列表如下-

• 无耦合-在该方案中，数据挖掘系统不使用任何数据库或数据仓库功能。它从特定的源获取数据，并使用一些数据挖掘算法处理这些数据。数据挖掘结果存储在另一个文件中。
• 松散耦合——在这个方案中，数据挖掘系统可能会使用数据库和数据仓库系统的一些功能。它从这些系统管理的呼吸数据中提取数据，并对这些数据进行数据挖掘。然后，它将挖掘结果存储在文件中，或者存储在数据库或数据仓库中的指定位置。
• 半紧耦合-在该方案中，数据挖掘系统与数据库或数据仓库系统链接，除此之外，还可以在数据库中提供一些数据挖掘原语的有效实现。
• 紧密耦合——在这种耦合方案中，数据挖掘系统平滑地集成到数据库或数据仓库系统中。数据挖掘子系统被视为信息系统的一个功能组件。