CRISP-DM

CRISP-DM视图为数据挖掘项目生命周期提供了一个结构化框架，涵盖了从业务理解到部署和监控的六个阶段。

SPSS数据挖掘流程手册使用CRISP-DM（交叉行业流程数据挖掘）作为数据挖掘流程框架，详细介绍了数据挖掘的各个步骤，包括业务理解、数据理解、数据准备、建模、评估和部署。它为使用SPSS软件进行数据挖掘提供了分步指南。

CRISP-DM是业界公认的数据科学最佳流程。其优势在于独立于软件和技术，易于应用于各种场景。CRISP-DM最初由欧盟委员会资助开发，汇集了领先的数据科学供应商、终端用户和研究人员的智慧。

希望进入该行业的人应该熟悉crisp-dm挖掘过程的中文版。

Oracle DM Portal

ORACLE和达梦数据库的日常巡检SQL脚本，确保数据库运行的高效性和稳定性。

jinhe-dm 为企业提供强大的数据挖掘和可视化能力： 灵活报表，随查随用： 类似PL/SQL的网络版本，用户只需编写SQL语句，即可进行数据查询、展示和导出，并支持为每个报表指定独立的数据源。 丰富图表，直观呈现： 平台集成echarts、highCharts、D3等多种主流数据可视化工具，以多样化的图表形式展现数据，提升数据解读效率。 门户聚合，一览全局： 借助portal机制，将各类数据内容有效聚合并生成数据门户，为用户提供统一的数据访问入口。 扩展灵活，算法赋能： 支持自定义数据服务扩展，方便用户引入各类算法对原始数据进行深度加工，挖掘数据价值。

数据挖掘综述[DM&BI] tBI框架：BI的关键是从多个不同企业运营系统中提取有用数据，并进行清理以确保数据准确性，然后通过ETL过程将其整合到企业级数据仓库或数据集市中，从而获得企业数据的全局视图。基于这一视图，利用适当的查询、分析工具、数据挖掘工具和OLAP工具进行数据分析和处理，将信息转化为辅助决策的知识，最终呈现给管理者，支持其决策过程。

云计算已经成为一种流行的高性能计算模型，其中资源以Web服务的形式提供。用户开始在数据挖掘应用中采用云模型。然而，由于并行计算和云计算的复杂性，普通用户很难有效地利用云中的并行计算模式。为了简化用户使用并行和云编程的复杂性，提出了一种名为DM中间件的解决方案。该中间件通过一组用户编程API自动启动映射器，从而将MapReduce编程的细节隐藏起来。基于指令的并行化方案能够自动将串行程序转换为基于SMP或Multicore的并行程序。用户可以通过API调用异构计算资源来执行并行计算。为了最大化云系统的吞吐量，提出了两阶段调度方案。通过在私有云中运行典型的数据挖掘算法来评估DM中间件，实验结果表明其具有良好的可伸缩性和适应性。

从值矩阵中，根据指定列生成多个簇的标记大小是PlotObjectives3DM的关键操作。