Data mining & Data Warehousing

数据挖掘数据仓库手册，一分钟学会一个话题

该应用程序是一本完整的免费数据挖掘和数据仓库手册，涵盖课程中的重要主题、笔记和材料。

这个数据挖掘和数据仓库应用程序列出了 200 个主题，并附有详细的注释、图表、方程式、公式和课程资料，这些主题在 5 个章节中列出。该应用程序是所有计算机科学与工程专业学生必备的。

该应用程序专为考试和面试时的快速学习、修订、参考而设计。

这个应用程序涵盖了大部分相关主题和所有基础主题的详细解释。

数据仓库和数据挖掘应用程序涵盖的一些主题是：

一、数据挖掘简介

2. 数据架构

3. 数据仓库（DW）

4. 关系数据库

5. 事务数据库

6. 先进的数据和信息系统和先进的应用

7. 数据挖掘功能

8. 数据挖掘系统的分类

9. 数据挖掘任务原语

10. 数据挖掘系统与数据仓库系统的集成

11. 数据挖掘中的主要问题

12. 数据挖掘中的性能问题

13. 数据预处理简介

14. 描述性数据汇总

15. 测量数据的分散性

16. 基本描述性数据摘要的图形显示

17. 数据清洗

18. 嘈杂的数据

19. 数据清洗过程

20. 数据整合与转换

21. 数据转换

22. 数据缩减

23. 降维

24. 数量减少

25. 聚类和抽样

26. 数据离散化和概念层次生成

27. 分类数据的概念层次生成

28. 数据仓库简介

29. 操作数据库系统和数据仓库的区别

30. 多维数据模型

31. 多维数据模型

32. 数据仓库架构

33. 数据仓库设计过程

34. 三层数据仓库架构

35. 数据仓库后端工具和实用程序

36. OLAP 服务器的类型：ROLAP 与 MOLAP 与 HOLAP

37. 数据仓库实现

38. 数据仓库到数据挖掘

39. 在线分析处理到在线分析挖掘

40. 数据立方体计算方法

41. 用于全立方体计算的多路数组聚合

42. Star-Cubing：使用动态星树结构计算冰山立方体

43. 用于快速高维 OLAP 的预计算外壳片段

44. 数据立方体的驱动探索

45. 多粒度的复杂聚合：多特征立方体

46. 面向属性的归纳

47. 面向属性的数据表征归纳

48. 面向属性归纳的高效实现

49. 挖矿类比较：区分不同的类

50. 频繁模式

51. Apriori 算法

52. 高效且可扩展的频繁项集挖掘方法

由于字数限制，未列出所有主题。

特征 ：

*章节明智的完整主题

* 丰富的 UI 布局

* 舒适的阅读模式

* 重要的考试题目

* 非常简单的用户界面

*涵盖大部分主题

* 一键获取相关全书

* 移动优化内容

*移动优化图像

这个应用程序将有助于快速参考。使用这个应用程序可以在几个小时内完成所有概念的修改。

数据挖掘和数据仓库是各大学计算机科学、软件工程、人工智能、机器学习和统计计算教育课程以及信息技术和商业管理学位课程的一部分。

请不要给我们较低的评级，而是将您的疑问、问题邮寄给我们，并给我们有价值的评级和建议，以便我们在以后的更新中考虑它。我们很乐意为您解决这些问题。