数据分类

Gary Thung 和 Mindy Yang 收集的图像数据集，用于垃圾分类任务。有助于了解垃圾分类方法，指导普通民众科学处理垃圾，提高城市环境质量。

数据挖掘工具根据其功能和应用场景，可分为两大类： 专用挖掘工具: 这类工具专注于特定领域的数据挖掘任务，例如文本挖掘、图像识别等。它们针对特定数据类型和分析目标进行优化，提供专门的功能和算法。 通用挖掘工具: 这类工具提供更广泛的数据挖掘功能，适用于各种数据类型和分析任务。它们通常包含多种算法和技术，例如分类、聚类、关联规则挖掘等，用户可以根据需求选择合适的工具和方法。

数据挖掘对象 基于数据库的挖掘: 从结构化数据库中提取知识。 基于Web的挖掘: 分析网页内容、链接结构和用户行为数据。 基于文本的挖掘: 从非结构化文本数据中抽取信息和知识。 其他: 包括音频、视频等多媒体数据库的挖掘。

本案例使用BP神经网络进行数据分类，针对语音特征信号进行分类。提供神经网络样本数据和Matlab源代码。

数据挖掘分类算法的研究这篇论文全面阐述了数据挖掘中分类算法的研究进展。

基于贷款数据的分类模型案例 数据: | 姓名 | 年龄 | 收入 | 贷款结果 || -------- | -------- | ------ | -------- || Jones | 年轻 | 低 | 风险 || Bill | 年轻 | 低 | 风险 || Rick Field | 中年 | 低 | 风险 || Caroline Fox | 中年 | 高 | 安全 || Susan Lake | 老年 | 低 | 安全 || Claire Phips | 老年 | 中等 | 安全 | 分类算法: 决策树 分类规则: 如果年龄 = 年轻，则贷款结果 = 风险 如果收入 = 高，则贷款结果 = 安全 如果年龄 = 中年且收入 = 低，则贷款结果 = 风险

数据挖掘分类算法概述 不同分类算法原理及特点对比 分类算法在实际中的应用举例

根据GB/T 4754-2011行业分类标准，构建行业树形结构，包含Excel源文件和数据库SQL语句。

决策树、关联规则、神经网络、贝叶斯等分类算法的研究现状。

视图：从其他表或视图中派生虚拟表的数据库对象。 存储过程：存储在数据库中的一组预编译 Transact-SQL (T-SQL) 语句，可作为单个单元执行。 函数：返回单个值的存储数据库对象，可用于计算、字符串操作或日期操作。 游标：允许逐行遍历查询结果集的数据库对象。 触发器：当对特定表或视图执行特定操作（例如插入、更新或删除）时自动执行的存储数据库对象。