ITPub博客

写在前头： 感谢版主支持。 我想通过这个帖子与大家交流一下自己对“客户细分”的看法，也希望自己这些“砖头”能引来大家的“美玉”。 国内数据挖掘刚刚起步，目前成熟的案例也不多，数据挖掘应该如何开展还有很多值得探讨的地方，当然这也是乐趣所在。 声名一下本人背景：计算机出身，搞数据挖掘应用有一年时间左右，目前从事于电信行业。这些可能使我对“客户细分”的理解有一些局限性。 一句话：希望大家能踊跃发表自己的观点，只要是你认为与“客户细分”相关的，包括但不限于： 1、客户细分的定义 2、客户细分在技术上的实现方法 3、

数据仓库技术经过了十几年的发展，在理论与工程实践上都取得了显著的成果。国际上许多重要的学术会议，如超大型数据库国际会议（VLDB）、数据工程国际会议（Data Engineering）等，都有大量专门 研究数据仓库（Data Warehousing）、联机分析处理（On-Line Analytical Processing）、数据挖掘（Data Mining）的论文，各大数据库厂商纷纷推出相应产品支持数据仓库，比如NCR、SAS、Oracle、IBM、Informix、Sybase等都提出了相应的数据仓库解决方案。 随着信息技术的飞速发展，企业内部产生了越来越多的数据，但这些数据并没有产生应有的信息，

ID3算法是1986年由Quilan提出的，它是一个从上到下、分而治之的归纳过程。ID3算法的核心是：在决策树各级结点上选择属性时，通过计算信息增益来选择属性，以使得在每一个非叶结点进行测试时，能获得关于被测试记录最大的类别信息。其具体方法是：检测所有的属性，选择信息增益最大的属性产生决策树结点，由该属性的不同取值建立分支，再对各分支的子集递归调用该方法建立决策树结点的分支，直到所有子集仅包含同一类别的数据为止。最后得到一棵决策树，它可以用来对新的样本进行分类。[@more@] 有关信息增益的定义以及具体的计算方法和

下面是参与评比的18种算法，实际上随便拿出一种来都可以称得上是经典算法，它们在数据挖掘领域都产生了极为深远的影响。在我们学习数据挖掘时，可以以这18种算法为主线，如果能把每一种算法都弄懂，整个数据挖掘领域就掌握得差不多了。另外，也可以用这18种算法的熟悉程度来判断自己知识的掌握程度。[@more@]Classification==============#1. C4.5Quinlan, J. R. 1993. C4.5: Programs for Machine Learning.Morgan Kaufmann Publishers Inc.Google Scholar Count in October 2006: 6907#2. CARTL. Breiman, J. Friedman, R. Olshen, and

　　折腾了几天，昨天晚上终于装好DISCOVERER了．安装顺序，先装好toad,discoverer，然后再装oracle10g．一开始，我是先装oracle10g，再装discoverer的，结果oracle10g在cmd下，sqlplus报ORA-12560．找了很多原因，最后重装才解决．　　discoverer装后好，要先运行Administrator创建EUL，然后才能通过desktop进入．　　　　[@more@]

一、 概述 记得前些日子我曾经整理过一篇关于数据仓库需求分析的文章，那时网站论坛讨论数据仓库需求分析很是热烈，大家的发帖水平也很高，所以我就整理了一篇文档出来，后来发现点击率很高，我想大家是很关心怎么做数据仓库需求分析这个问题的。 下面我就自己的做项目时的一些理解和参照William A.Giovinazzo[美]著的《面向对象数据仓库设计》一书总结了下文，由于时间仓促、和个人观点的片面性，有很多不当之处请大家批评指出，也希望大家和我一起总结出更系统、更完整、更科学的《数据仓库需求分析方法》来指导我们数据仓库项目这个需求