数据挖掘
IntelligentMiner公布的对用户进行调查得到的基准测试显示工具总的性能良好并且在不同的应用环境下一些算法比别的算法运行得好。
SQL Server 2008 R2向前端工具开放了数据挖掘能力，通过集成在Excel中的插件，允许用户连接到SQL Server服务器，直接操作多种数据挖掘算法，解决日常应用中的小型预测问题;使用过程中，用户几乎感觉不到SQL Server服务器的存在，也不
空间数据挖掘(SDM)或空间知识发现，是从大量的空间数据库中抽取隐含的知识、空间关系或非显式存储在数据库中有意义的特征或模式。此技术在理解空间数据、获取空间与非空间数据间的内在关系具有重要意义。由于近年已经和正在积累大量与空间位置相关的空间数据，因此空间数据挖
数据挖掘(Data Mining)与我们所熟悉的信息检索(Information Retrieval)的不同之处在于：信息检索是针对数据的明显特征来寻找信息，比如Google等搜索引擎就是寻找含有某关键词的网页
全球领先的企业级和移动软件公司Sybase?近日宣布，旗下适用于亚马逊云计算(Amazon Elastic Compute Cloud，EC2)环境的Sybase? SQL Anywhere?、Sybase IQ和Sybase Adaptive Server?
IBM最近宣布收购专业统计分析公司SPSS，IBM的这一举动不仅仅是为了完善其统计分析产品结构，更是看好数据挖掘这片市场，数据挖掘正好是我关注的焦点
微软sql server 2008将整个数据挖掘流程定义为挖掘结构、挖掘模型、挖掘模型查看器、挖掘准确性图表和挖掘模型预测五个步骤，本文将讨论如何在sql server 2008中验证已经建好的数据挖掘模型。
在sql server2008中提供了9种常用的数据挖掘算法，这些算法用在不同数据挖掘的应用场景下，下面我们就各个算法逐个分析讨论。
在sql server 2008 Business Intelligence Development Studio中的数据挖掘设计器的“挖掘准确性图表”选项中，提供了提升图，利润图，分类矩阵，交叉验证报表，用来比较挖掘结构中挖掘模型的预测准确性。
Clementine是SPSS公司开发的数据挖掘工具平台。Spss clementine 数据挖掘软件能够从大量数据中，把隐藏其内的有用的信息不断地挖掘出来。
数据挖掘技术从一开始就是面向应用的。目前，在很多领域，数据挖掘(data mining)都是一个很时髦的词，尤其是在如银行、电信、保险、交通、零售（如超级市场）等商业领域。
在 SQL Server Analysis Services 中创建数据挖掘模型时所用的有些算法需要特定的内容类型才能正确运行。例如，Microsoft Naive Bayes 算法的输入不能为连续列，并且不能预测连续值。
对于数据挖掘有两个常见的误区，一个是认为数据挖掘就是商业智能，另一种则认为数据挖掘高不可攀遥不可及，前者夸大了数据挖掘的能力，后者则夸大了数据挖掘的难度。那么什么是数据挖掘呢？
在过去的二十年中，经济快速发展，组织机构普遍都收集了大量的商业数据。然而，拥有大量的数据并不意味着拥有了丰富的商业信息。因此，商业智能需要进展到下一步——数据挖掘。
数据挖掘是从大型数据集中发现可行信息的过程。数据挖掘使用数学分析来派生存在于数据中的模式和趋势。通常，由于这些模式的关系过于复杂或涉及数据过多，因此使用传统数据浏览无法发现这些模式。
使用SQL Server数据挖掘功能创建易于使用、可扩展的、可存取的、和灵活的商务智能平台，并在商务智能中采取下一步步骤。通过浏览您的数据、发现能够揭示关于您的产品，客户，市场，以及雇员的潜在趋势的模型
可以使用 Microsoft SQL Server Analysis Services 中的数据挖掘向导在 Analysis Services 项目或数据库中创建新的 OLAP 挖掘结构。
