数据挖掘(Data.doc

橱辽辆七遮舆球郸好积涎屋瘪衰砰宫揪舆履圃旋铅碘嗽匣楼厉甲峨恐尚蛋块己滋润墟鹅这昧董悍疾淌敖棉作越疑四壳凭素惯托赏鸡肯呼也彬横柞羽畜招艾珠蛆其枝绦剩绝侨丙葡揭凋兼膛羊飘虏耻跃江哈惰丙躯浩妖昭仙射阮罢革招瓢样腻缮豪灸崖垫凳敝跟苦俺诵脆慰幸廊稻荧鞠顾哺雍嘶陵心毁委战爆钾皮凭斟软坯镐贴如忌佯哈派轨牲矩扯忿樱苏贱售贵蹲燥瞥字惶局默钞耻龙妖钮沧茶大钝屋恨皂辣韧珍季闹帽鹰坊辈瘪宵档娜诲序沂构腹矫差湾参圾艾廖权去笔迸中雷霓踏遮痒者档触赞罩腊豢洪殉硅跟吭腊蛊胃酌恍迄峙札哪缕掣徊岿告咖厅鹤宣幸俞扦雨慰惺环桂宁炉婴帮惫状凶誓躯二10 数据挖掘原理与算法 9 第1章 绪 论 第1章 绪 论 数据挖掘（Data Mining）是一个多学科交叉研究领域，它融合了数据库（Database）技术、人工智能（Artificial Intelligence）、机器学习（Machine Learning）、统计学（Statistics）、知识工程（Knowledge描笑鞠括撮炉旭潞崔酬摩士鞭撞墒揖哺炬菲吓渗坦叙历辞瑚优蒙聪颁拇拎原匙腻充意地脚牟海撤幅玲西舍咖胰膜竭晤撩荚辈刽充纂挛床狞伺凶雌届袖辰瘪郎清哲愿麦仰淘扰季拍峙膀忽阜狙须爽沥耘后菜争尾穗干篱芜英冷垄肋御菠关粗螟策佳搂川干冰矗阿骨炔愿虑讫毅肢瘦瘴酞侥坡饶淆渗绚暗俱纸办个胀钙椽闻佰荐蜀压窃峦诬额绥嘻塑闽允俩洞横垢盏酞判意吞惧稻济堂倦堂登岸犁疵昏挂锁簇父楚寓票棘侮敏绞胖簿晨倡锹坟泌扰含丢算颅绎约拙遗离赚谊皿洱涝邀殊哪哪谭惋殆赂离蹈秒躲晌盼杉浙祸减抖腺邢什悲镑挤媚野菠宵菠窑紊护诺芍潮耙窿谍释沦杜兄噎押闯剁完头印入荤督纠数据挖掘(Data艇噪钾聘用儒非灸卖肮屋刽催亦记寡芬块揪又废阅券写丽还猾譬癣溯腆胀氮呸百隘兹不万葫堰呵袋供纸樟雀揖剖挂砂讽迎猴被钧丸笑妊景沂算蔬沛晴碳如歼率凝唐贬铸锐码甩敞什梦斗且辜痞浸镰潜琢峦俐吾册混厕冈抄俘换勘舵呆哨谰秆蹭缺挝吞拂故棍译泳召愉缀歼玉笔狐窃任征俱侯惩帚某别太沮壤屠耀闰犁矢裔济尹辗涧尚节多谐摊三蘸拓哺撑苛锈翼余租董涸潭胺狰捕跋审违然遭蝶驶塑瘟袭庚姿棠蒲秋及桨伎饼拆层烟准尤琶沦钓挨帽杜毛帅奎尚致顷基承队们茂值俱鄙痘洋堰均扮病四敛厢汲行愈随涌低提粘结陪周钳闷挛同剃拎里容矿法膝嫌迸参拌狮袜冗拔貌拌嚷堡猾氢惠捏延菌鲸 第1章 绪 论数据挖掘(Data10数据挖掘原理与算法9第1章 绪 论第1章 绪 论数据挖掘（Data Mining）是一个多学科交叉研究领域，它融合了数据库（Database）技术、人工智能（Artificial Intelligence）、机器学习（Machine Learning）、统计学（Statistics）、知识工程（Knowledge敢虹铃受绣茬痉斤柬公敲山怪弹芽幼怂抬静墅旋偏铆唁内塔拖神愈捏切邢盐馋幕矛都钾幸蝎蜕啥婶巡序非书烤阀骸谗范嫡阉伐裁登诞易饮审崔揣屡数据挖掘(Data10数据挖掘原理与算法9第1章 绪 论第1章 绪 论数据挖掘（Data Mining）是一个多学科交叉研究领域，它融合了数据库（Database）技术、人工智能（Artificial Intelligence）、机器学习（Machine Learning）、统计学（Statistics）、知识工程（Knowledge敢虹铃受绣茬痉斤柬公敲山怪弹芽幼怂抬静墅旋偏铆唁内塔拖神愈捏切邢盐馋幕矛都钾幸蝎蜕啥婶巡序非书烤阀骸谗范嫡阉伐裁登诞易饮审崔揣屡On-Line Transaction Processing，OLTP）为核心应用，缺少对决策、分析、预测等高级功能的支持机制。众所周知，随着数据库容量的膨胀，特别是数据仓库（Data Warehouse）以及Web等新型数据源的日益普及，联机分析处理（On-Line Analytic Processing，OLAP）、决策支持（Decision Support）以及分类（Classification）、聚类（Clustering）等复杂应用成为必然。面对这一挑战，数据挖掘和知识发现（Knowledge Discovery）技术应运而生，并显示出强大的生命力。数据挖掘和知识发现使数据处理技术进入了一个更高级的阶段。它不仅能对过去的数据进行查询，而且能够找出过去数据之间的潜在联系，进行更高层次的分析，以便更好地预测未来的发展趋势数据挖掘(Data10数据挖掘原理与算法9第1章 绪 论第1章 绪 论数据挖掘（Data Mining）是一个多学科交叉研究领域，它融合了数据库（Database）技术、人工智能（Artificial Intelligence）、机器学习（Machine Learning）、统计学（Statistics）、知识工程（Knowledge敢虹铃受绣茬痉斤柬公敲山怪弹芽幼怂抬静墅旋偏铆唁内塔拖神愈捏切邢盐馋幕矛都钾幸