论文部分内容阅读
“数据挖掘”(包括olap)是一门与实践紧密相连的具有较强技术性的学科。面对着国内各个领域,包括零售、金融、科学、医学等每年都在积累下海量的数据的现实状况,数据挖掘越来越需要把它的对数据内在模式和规律的深入分析和发现的思想贯穿到实际应用当中。 遗憾的是,尽管每年都产生大量的论文和文章探讨数据挖掘技术,大部分是对数据挖掘概念和理论的探讨,很难看到具体的实现和应用。本文作者在实习期间,参与并完成了基于微软分析服务器的销售分析与报表系统;并在公司即将开始的数据挖掘项目中,完成了多个重要算法的设计和c++程序实现:基于多层分类商品树的商品关联规则算法,会员顾客的购物频繁序列模式产生算法;基于信息熵理论和条件概率树的会员顾客分类(决策树)算法,并分别使用数据进行了测试,取得了较好的结果。其中第一个和第三个算法具有相当的可扩展性,第二个算法在小规模以及中等规模的数据量下是有效的。