1、“.....利用中任务和转移，您可以把数据准备和模型建立结合为个单包。公司还提供了设计器，以帮助您轻松地建立和运行包含了所有任务和转变软件包。利用设计器，您可以将包发布到服务器上并定期运行他们。这是非常有用例如，你每周收集数据资料，并向要每次自动执行相同清洁转换工作。你可以通过向商业智能开发式解决方案中分别增加项目来将数据转换项目和分析服务项目结合起来工作，作为商务智能解决方案部分。挖掘模式算法数据挖掘算法是挖掘模型创建基础。中各种各样算法可以让你执行多种类型执行。欲了解更多有关算法及其参数调整信息，请参看联机丛书中数据挖掘算法。决策树决策树算法支持分类与回归并且对预测模型也行之有效。利用该算法，你可以预测离散和连续这两个属性。在建立模型时，该算法检查每个数据集输入属性是怎样影响预测属性结果，以及使用最强关系输入属性制造了系列分裂，称为节点。随着新节点添加到模型中......”。

2、“.....顶端节点树描述了大多数预测属性统计分析。每个节点建立把预测属性比作投入属性分布情况上。如果输入属性被视为导致预测属性有利于促成比另个更好状态，于是个新节点添加到模型。该模型继续增长，直到没有剩余属性制造分裂提供了个更好预测在现有节点。该模型力图找到个结合属性和引起在预测属性不成比例分配状态，因此，您可以预测预测属性结果。簇簇算法采用迭代技术组从包含相似特性数据及中进行分类。利用这些组合，您可以探讨数据，更多地了解存在关系，这在理论上可能不容易通过偶然观察获得。此外，您也可以从算法创建簇建立预测模型。例如，考虑那些住在同社区，驱动器相同车，吃同样食物，买了类似版本产品那个群体人。这是组数据。另组可能包括去相同餐厅，也有类似薪金，休假和每年两次以外地区人。观测这些集合是如何分布，可以更好地了解预测属性结果是如何相互影响。传统贝叶斯在传统贝叶斯算法快速生成挖掘......”。

3、“.....它计算每个输入属性国家给予每个可预测属性，它可以用来预测以后预测属性上已知结果输入属性状态，概率。用于生成该模型概率计算，并在立方体处理中。该算法只支持离散或离散化属性，它认为所有输入属性是独立。在传统贝叶斯算法产生个简单挖掘模型可以被认为是在数据挖掘过程起点。由于在建立模型中使用计算大多是在加工过程中产生立方体，迅速返回结果。这使得该模型个探索发现数据和如何在不同输入属性预测属性不同分布状态不错选择。时间系时序算法创建，可用于预测了来自和关系数据源时间连续变量模型。例如，您可以使用时序算法来预测销售和在个立方体历史数据为基础利润。利用该算法，你可以选择个或多个变量进行预测，但必须是连续。您只能有个为每个模型病例。此案系列标识系列中位置，如超过之日起在几个月或几年长度寻找销售。个案件可能含有组变量例如，在不同商店销售。时序算法可以用其预测交叉变量相关性。例如......”。

4、“.....神经网络在分析服务，神经网络算法创建通过构建个多层感知器神经元网络分类和回归挖掘模型。类似决策树算法提供程序，那么每个可预测属性状态，该算法计算出每个输入属性可能状态概率。该算法提供程序处理案件整套，反复比较，与已知案件实际分类个案预测分类。从整个案件第次迭代初始设置分类是反馈到网络，并用于修改为下次迭代网络性能，等等。您可以在以后使用这些概率来预测个属性预测结果，根据输入属性。该算法之间和决策树算法主要区别之，但是，是其学习过程是朝着减少，而决策树算法拆分规则，以最大限度地获取信息，优化网络参数。该算法同时支持离散和连续属性预测。线性回归线性回归算法是决策树算法种特殊构造，获得了无效分裂整个回归公式是建立在个单根节点。该算法支持预测连续属性。逻辑回归逻辑回归算法是神经网络算法种特殊构造，得到了消除隐蔽层。该算法支持预测离散和连续属性。英文原文™......”。

5、“.....,,,,,,测。数据转换服务在中数据转换服务包括抽取，转换和加载简称工具。这些工具可用于执行些数据挖掘中最重要任务，为数据模型建立清理和准备数据。在数据挖掘，您通常可以执行重复数据转换清理数据，然后利用这些数据组成挖掘模型。利用中任务和转移，您可以把数据准备和模型建立结合为个单包。公司还提供了设计器，以帮助您轻松地建立和运行包含了所有任务和转变软件包。利用设计器，您可以将包发布到服务器上并定期运行他们。这是非常有用例如，你每周收集数据资料，并向要每次自动执行相同清洁转换工作。你可以通过向商业智能开发式解决方案中分别增加项目来将数据转换项目和分析服务项目结合起来工作，作为商务智能解决方案部分。挖掘模式算法数据挖掘算法是挖掘模型创建基础。中各种各样算法可以让你执行多种类型执行。欲了解更多有关算法及其参数调整信息......”。

6、“.....本教程使用四种情况有针对性邮件预测顺序分析和聚类演示如何使用挖掘模型算法挖掘模型查看器和数据挖掘工具。介绍数据挖掘教程旨在通过创建走在数据挖掘模型过程。数据挖掘算法，并在工具可以很容易地建立个项目，包括市场购物篮分析各种全面解决方案，预测分析，有针对性邮件分析。这些解决方案情景更详细解释在后面教程。最明显部分是用来创建和处理数据挖掘模型工作室。在线分析处理和数据挖掘工具被统为两个工作环境商业智能开发工作室和管理工作室。通过商业智能开发工作室，您可以在与服务器断开连接情况下建立个服务项目分析。当项目已经准备就绪，您可以发布到服务器上。您也可以直接面向服务器工作。管理工作室主要职能是管理服务器。之后将有针对每个环境详细说明。欲了解更多关于从两个环境中选择信息......”。

7、“.....数据挖掘工具都存在于数据挖掘编辑。使用编辑器，您可以管理挖掘模型，创造新模式，查看模型，比较模型，并建立在现有模型预测。当你创建个挖掘模型，你会想要去探索它，寻找有趣模式和规则。在编辑器中每个挖掘模型查看器是自定义进行探讨，以特定算法建立模型。如需观众信息，请参看联机丛书中查看数据挖掘模型。您项目往往会包含多个挖掘模型，所以才能使用模式创建预测，你要能够确定哪些模式是最准确。出于这个原因，编辑包含个模型比较工具挖掘精度图表标签。使用此工具，您可以比较准确预测模型和您确定最佳模式。为了建立数据预期，你将使用种语言，扩展了传统语法，包含了些创建修改和建立数据预期命令，关于详细信息，请参考中章节。因为建立个数据预期可能比较复杂，所以数据挖掘编辑器包含了个工具叫做，该工具可以让你在个图形化界面下编辑查询语句，你也可以在该工具中可以查看自动生成语句。了解了前面介绍实现数据挖掘工具之外......”。

8、“.....建立个数据模型关键是数据挖掘算法，该算法在你操作数据中寻找我们需要部分，并且转换这些数据成为个可操作数据模型。些很重要建立数据挖掘解决方案步骤是用来整理准备那些用于建立数据模型数据，包含个工作环境以及些工具用于清理验证准备数据，关于更多信息请查看中章节。数据库数据库是基于个虚构自行车制造公司而建立，公司名称叫做简称公司。公司生产并向北美，欧洲和亚洲商业市场销售金属和复合材料自行车，主要工作都在华盛顿完成，那里拥有员工，以及些地区销售部门遍及各地。公司通过批发和零售他们产品，本教程中数据模型实例需要你使用这些网络销售数据作为数据模型。关于公司数据库更多信息请参考联机丛书中如下章节。数据库详细信息网络销售数据构架包含个客户信息，这些客户分布在个国家，并被合并为个区域南美欧洲澳大利亚该数据库包含三个财政年度数据年，年和年。数据库中产品根据子类别......”。

9、“.....商业智能开发工作室商业智能开发工作室是套用于创建商务智能项目工具。由于商业智能开发工作室是创建于环境中，在该环境中，你可以在脱机状态下创建个完整地解决方案。你可以想改多少数据挖掘对象就改多少，但是在你发布该项目前，这些改变将不会反映在服务器上。个数据库用于集成多种技术，这个数据库作为数据挖掘模型以及等技术基础。你可以使用商业智能建立和修改个项目并部署这个项目到个或多个服务如果你在开发个项目你也可以使用商业智能开发工作室直接连接数据库，这样你所作改动可以立刻影响到数据库中。管理工作室管理工作室是个行政和脚本工具与组件工作集合。此工作区不同之处，你是在互联环境中工作行动是在传播到服务器只要您保存您工作从商务智能开发工作室中。在数据被清理并为数据挖掘准备好后，大多数和创建苏局挖掘解决方案相关联工作都在商业智能开发工作室中工作。通过使用商业智能开发工作室......”。