数据库8589857539.docVIP

将excel表的数据导入到数据库db1中，表名为aaa 将excel表中的数据追加到数据库db1的表aaa中。 将数据库db1中的表导出成excel表。 上网查找一些常用的sql语句，总结查询语句、插入语句、删除语名、修改语句的一般形式。 (1) 数据记录筛选： sql=select * from 数据表 where 字段名=字段值 order by 字段名 sql=select * from 数据表 where 字段名 like ‘%字段值%‘ order by 字段名 sql=select top 10 * from 数据表 where 字段名 order by 字段名 sql=select * from 数据表 where 字段名 in (‘值1‘,‘值2‘,‘值3‘) sql=select * from 数据表 where 字段名 between 值1 and 值2 (2) 更新数据记录： sql=update 数据表 set 字段名=字段值 where 条件表达式 sql=update 数据表 set 字段1=值1,字段2=值2 …… 字段n=值n where 条件表达式 (3) 删除数据记录： sql=delete from 数据表 where 条件表达式 sql=delete from 数据表 (将数据表所有记录删除) (4) 添加数据记录： sql=insert into 数据表 (字段1,字段2,字段3 …) valuess (值1,值2,值3 …) sql=insert into 目标数据表 select * from 源数据表 (把源数据表的记录添加到目标数据表) 需要是发明之母。近年来，数据挖掘引起了信息产业界的极大关注，其主要原因是存在大量数据，可以广泛使用，并且迫切需要将这些数据转换成有用的信息和知识。获取的信息和知识可以广泛用于各种应用，包括商务管理，生产控制，市场分析，工程设计和科学探索等。一种透过数理模式来分析企业内储存的大量资料，以找出不同的客户或市场划分，分析出消费者喜好和行为的方法。知识发现（KDD：Knowledge Discovery in Databases）是从数据集中别出有效的、新颖的、潜在有用的，以及最终可理解的模式的非平凡过程。知识发现将信息变为知识，从数据矿山中找到蕴藏的知识金块，将为知识创新和知识经济的发展作出贡献。该术语于1989年出现，Fayyad定义为KDD是从数据集中识别出有效的、新颖的、潜在有用的，以及最终可理解的模式的非平凡过程”。分类 （Classification） 　　首先从数据中选出已经分好类的训练集，在该训练集上运用数据挖掘分类的技术，建立分类模型，对于没有分类的数据进行分类。 　　例子： 　　a. 信用卡申请者，分类为低、中、高风险 　　b. 故障诊断：中国宝钢集团与上海天律信息技术有限公司合作，采用数据挖掘技术对钢材生产的全流程进行质量监控和分析，构建故障地图，实时分析产品出现瑕疵的原因，有效提高了产品的优良率。 　　注意： 类的个数是确定的，预先定义好的 　估计（Estimation） 　　估计与分类类似，不同之处在于，分类描述的是离散型变量的输出，而估值处理连续值的输出；分类的类别是确定数目的，估值的量是不确定的。 　　例子： 　　a. 根据购买模式，估计一个家庭的孩子个数 　　b. 根据购买模式，估计一个家庭的收入 　　c. 估计real estate的价值 　　一般来说，估值可以作为分类的前一步工作。给定一些输入数据，通过估值，得到未知的连续变量的值，然后，根据预先设定的阈值，进行分类。例如：银行对家庭贷款业务，运用估值，给各个客户记分（Score 0~1）。然后，根据阈值，将贷款级别分类。 预测（Prediction） 　　通常，预测是通过分类或估值起作用的，也就是说，通过分类或估值得出模型，该模型用于对未知变量的预言。从这种意义上说，预言其实没有必要分为一个单独的类。预言其目的是对未来未知变量的预测，这种预测是需要时间来验证的，即必须经过一定时间后，才知道预言准确性是多少。 　　例子： 海南航空引入领先的数据挖掘工具马克威分析系统，分析客流、燃油等变化趋势，以航线收益为主题进行数据挖掘，制定精细的销售策略，有效提高了企业收益。 相关性分组或关联规则（Affinity grouping or association rules） 　　决定哪些事情将一起发生。 　　例子： 　　a. 超市中客户在购买A的同时，经常会购买B，即A = B(关联规则) 　　b. 客户在购买A后，隔一段时间，会购买B （序列分析） 聚类（Clustering） 　　聚类是对记录分