2016年11月5日

摘要: 转载:http://www.cnblogs.com/zhijianliutang/archive/2012/03/07/2383654.html 目的 本篇只要还是通过自定义层次结构来回应设计警告,并根据提示的设计警告进行层次关系的定义。我们创建两个自定义层次结构,通过前几篇的介绍,我们知道自定义层 阅读全文

posted @ 2016-11-05 15:56 空余恨 阅读(160) 评论(0) 推荐(0) 编辑

摘要: 转载:http://www.cnblogs.com/zhijianliutang/p/4000988.html 随着大数据时代的到来,数据挖掘的重要性就变得显而易见,几种作为最低层的简单的数据挖掘算法,现在利用微软数据案例库做一个简要总结。 应用场景介绍 其实数据挖掘应用的场景无处不在,很多的环境都 阅读全文

posted @ 2016-11-05 15:55 空余恨 阅读(147) 评论(0) 推荐(0) 编辑

摘要: 转载:http://www.cnblogs.com/zhijianliutang/archive/2012/03/27/2420360.html 在SSIS开发ETL(Extract-Transform-Load),数据抽取、转换、装载的过程。我们需要自己定义变量 一、SSIS变量简介 SSIS(S 阅读全文

posted @ 2016-11-05 15:55 空余恨 阅读(219) 评论(0) 推荐(0) 编辑

摘要: 转载:http://www.cnblogs.com/zhijianliutang/p/4012108.html 本篇文章主要是继续上两篇Microsoft决策树分析算法和Microsoft聚类分析算法后,采用另外更为简单一种分析算法对目标顾客群体的挖掘,同样的利用微软案例数据进行简要总结。有兴趣的同 阅读全文

posted @ 2016-11-05 15:54 空余恨 阅读(144) 评论(0) 推荐(0) 编辑

摘要: 转载:http://www.cnblogs.com/zhijianliutang/p/4009829.html 本篇文章主要是继续上一篇Microsoft决策树分析算法后,采用另外一种分析算法对目标顾客群体的挖掘,同样的利用微软案例数据进行简要总结。 应用场景介绍 通过上一篇中我们采用Microso 阅读全文

posted @ 2016-11-05 15:54 空余恨 阅读(252) 评论(0) 推荐(0) 编辑

摘要: 转载:http://www.cnblogs.com/zhijianliutang/p/4021799.html 前言 本篇文章同样是继续微软系列挖掘算法总结,前几篇主要是基于状态离散值或连续值进行推测和预测,所用的算法主要是三种:Microsoft决策树分析算法、Microsoft聚类分析算法、Mi 阅读全文

posted @ 2016-11-05 15:53 空余恨 阅读(161) 评论(0) 推荐(0) 编辑

摘要: 转载:http://www.cnblogs.com/zhijianliutang/p/4016309.html 前言 本篇文章主要是继续前几篇Microsoft决策树分析算法、Microsoft聚类分析算法、Microsoft Naive Bayes 算法,算法介绍后,经过这几种算法综合挖掘和分析之 阅读全文

posted @ 2016-11-05 15:53 空余恨 阅读(153) 评论(0) 推荐(0) 编辑

摘要: 转载:http://www.cnblogs.com/zhijianliutang/p/4027175.html 前言 本篇我们将总结的算法为Microsoft时序算法的结果预测值,是上一篇文章Microsoft时序算法的一个总结,上一篇我们已经基于微软案例数据库的销售历史信息表,利用Microsof 阅读全文

posted @ 2016-11-05 15:52 空余恨 阅读(229) 评论(0) 推荐(1) 编辑

摘要: 转载:http://www.cnblogs.com/zhijianliutang/p/4030742.html 前言 本篇继续我们的微软挖掘算法系列总结,前几篇我们分别介绍了:Microsoft决策树分析算法、Microsoft聚类分析算法、Microsoft Naive Bayes 算法、Micr 阅读全文

posted @ 2016-11-05 15:50 空余恨 阅读(187) 评论(0) 推荐(0) 编辑

摘要: 转载:http://www.cnblogs.com/zhijianliutang/p/4067795.html 前言 有段时间没有进行我们的微软数据挖掘算法系列了,最近手头有点忙,鉴于上一篇的神经网络分析算法原理篇后,本篇将是一个实操篇,当然前面我们总结了其它的微软一系列算法,为了方便大家阅读,我特 阅读全文

posted @ 2016-11-05 15:49 空余恨 阅读(165) 评论(0) 推荐(0) 编辑

摘要: 转载:http://www.cnblogs.com/zhijianliutang/p/4050931.html 前言 本篇文章继续我们的微软挖掘系列算法总结,前几篇文章已经将相关的主要算法做了详细的介绍,我为了展示方便,特地的整理了一个目录提纲篇:大数据时代:深入浅出微软数据挖掘算法总结连载,有兴趣 阅读全文

posted @ 2016-11-05 15:49 空余恨 阅读(185) 评论(0) 推荐(0) 编辑

摘要: 转载:http://www.cnblogs.com/zhijianliutang/p/4076587.html 此篇为微软系列挖掘算法的最后一篇了,完整该篇之后,微软在商业智能这块提供的一系列挖掘算法我们就算总结完成了,在此系列中涵盖了微软在商业智能(BI)模块系统所能提供的所有挖掘算法,当然此框架 阅读全文

posted @ 2016-11-05 15:48 空余恨 阅读(193) 评论(0) 推荐(0) 编辑

摘要: 前言 本篇文章继续我们的微软挖掘系列算法总结,前几篇文章已经将相关的主要算法做了详细的介绍,我为了展示方便,特地的整理了一个目录提纲篇:大数据时代:深入浅出微软数据挖掘算法总结连载,有兴趣的童鞋可以点击查阅,本篇我们将要总结的算法为:Microsoft顺序分析和聚类分析算法,此算法为上一篇中的关联规 阅读全文

posted @ 2016-11-05 15:47 空余恨 阅读(196) 评论(0) 推荐(0) 编辑

摘要: 洞察数据(InSight Data)是商业智能比较关切的话题之一,例如,这里所举的一个销售示例,影响自行车购买的因素有许多,如何更好地找出目标客户群,在技术实现上,数据挖掘(Data Mining)技术非常值得我们了解一下。 以下是一个SQL Server Analysis Service(SSAS 阅读全文

posted @ 2016-11-05 14:28 空余恨 阅读(1179) 评论(0) 推荐(0) 编辑

摘要: PostgreSQL是一个强大的关系型数据库管理系统,它按照BSD许可[1]发行。PostgreSQL包含很多高级的特性,拥有良好的性能和很好的适用性。 PostgreSQL绑定了很多种编程语言,例如 C, C++, Python, Java, PHP, Ruby等 ,它可以操作很多东西,从简单的W 阅读全文

posted @ 2016-11-05 11:45 空余恨 阅读(289) 评论(0) 推荐(0) 编辑

摘要: 自从MySQL被Oracle收购以后,PostgreSQL逐渐成为开源关系型数据库的首选。 本文介绍PostgreSQL的安装和基本用法,供初次使用者上手。以下内容基于Debian操作系统,其他操作系统实在没有精力兼顾,但是大部分内容应该普遍适用。 自从MySQL被Oracle收购以后,Postgr 阅读全文

posted @ 2016-11-05 11:37 空余恨 阅读(243) 评论(0) 推荐(0) 编辑

摘要: 概述 本文的目的是向您展示如何在 Eclipse 集成开发环境(IDE)中使用几种不同的工具,例如 Java Development Tools、IBM? DB2? plug-ins for Eclipse 和 IBM integration plug-in for Derby,以便开发 Apach 阅读全文

posted @ 2016-11-05 11:24 空余恨 阅读(1039) 评论(0) 推荐(0) 编辑

摘要: 1,首先下载Derby http://db.apache.org/derby/derby_downloads.html 下载最新版本 db-derby-10.10.1.1-bin.zip2,安装 将下载的压缩包解压到指定路径,示例放在E盘下 3,配置环境变量 创建DERBY_HOME 系统变量:E: 阅读全文

posted @ 2016-11-05 10:06 空余恨 阅读(2015) 评论(0) 推荐(0) 编辑

摘要: 简介 Apache Derby 与 IBM Cloudscape Apache Derby 是一个 Apache DB 项目,它是一种 Java 类库形式的轻量级、可嵌入的关系引擎。它的本机接口是带 Java 关系扩展的 Java Database Connectivity (JDBC)。Derby 阅读全文

posted @ 2016-11-05 10:02 空余恨 阅读(1112) 评论(0) 推荐(0) 编辑


Copyright © 2024 空余恨
Powered by .NET 8.0 on Kubernetes