下载

1下载券

加入VIP
  • 专属下载特权
  • 现金文档折扣购买
  • VIP免费专区
  • 千万文档免费下载

上传资料

关闭

关闭

关闭

封号提示

内容

首页 数据仓库与数据挖掘综述

数据仓库与数据挖掘综述.ppt

数据仓库与数据挖掘综述

石家贝
2013-04-08 0人阅读 举报 0 0 暂无简介

简介:本文档为《数据仓库与数据挖掘综述ppt》,可适用于IT/计算机领域

数据仓库与数据挖掘综述数据仓库与数据挖掘综述概念、体系结构、趋势、应用报告人:朱建秋年月日提纲提纲数据仓库概念数据仓库体系结构及组件数据仓库设计数据仓库技术(与数据库技术的区别)数据仓库性能数据仓库应用数据挖掘应用概述数据挖掘技术与趋势数据挖掘应用平台(科委申请项目)数据仓库概念数据仓库概念基本概念对数据仓库的一些误解基本概念数据仓库基本概念数据仓库Datawarehouseisasubjectoriented,integrated,nonvolatileandtimevariantcollectionofdatainsupportofmanagement’sdecisionInmon,Datawarehouseisasetofmethods,techniques,andtoolsthatmaybeleveragedtogethertoproduceavehiclethatdeliversdatatoendusersonanintegratedplatformLadley,Datawarehouseisaprocessofcrating,maintaining,andusingadecisionsupportinfrastructureAppleton,Haley,Gardner基本概念数据仓库特征Inmon,基本概念数据仓库特征Inmon,面向主题一个主题领域的表来源于多个操作型应用(如:客户主题来源于:定单处理应收帐目应付帐目…)典型的主题领域:客户产品交易帐目主题领域以一组相关的表来具体实现相关的表通过公共的键码联系起来(如:顾客标识号CustomerID)每个键码都有时间元素(从日期到日期每月累积单独日期…)主题内数据可以存储在不同介质上(综合级细节级多粒度)集成数据提取、净化、转换、装载稳定性批处理增加仓库已经存在的数据不会改变随时间而变化(时间维)管理决策支持基本概念DataMart,ODS基本概念DataMart,ODSDataMart数据集市小型的面向部门或工作组级数据仓库。OperationDataStore操作数据存储ODS是能支持企业日常的全局应用的数据集合,是不同于DB的一种新的数据环境,是DW扩展后得到的一个混合形式。四个基本特点:面向主题的(SubjectOriented)、集成的、可变的、当前或接近当前的。基本概念ETL,元数据粒度分割基本概念ETL,元数据粒度分割ETLETL(ExtractTransformationLoad)数据装载、转换、抽取工具。MicrosoftDTSIBMVisualWarehouseetc元数据关于数据的数据用于构造、维持、管理、和使用数据仓库在数据仓库中尤为重要。粒度数据仓库的数据单位中保存数据的细化或综合程度的级别。细化程度越高粒度越小。分割数据分散到各自的物理单元中去它们能独立地处理。对数据仓库的一些误解对数据仓库的一些误解数据仓库与OLAP星型数据模型多维分析数据仓库不是一个虚拟的概念数据仓库与范式理论需要非范式化处理提纲提纲数据仓库概念数据仓库体系结构及组件数据仓库设计数据仓库技术(与数据库技术的区别)数据仓库性能数据仓库应用数据挖掘应用概述数据挖掘技术与趋势数据挖掘应用平台(科委申请项目)数据仓库体系结构及组件数据仓库体系结构及组件体系结构ETL工具元数据库(Repository)及元数据管理数据访问和分析工具体系结构Pieter,体系结构Pieter,SourceDatabasesArchitectedDataMartsDataAccessandAnalysisEndUserDWToolsCentralDataWarehouseCentralDataWarehouseMidTierMidTierDataMartDataMartLocalMetadataMetadataExchangeMDBDataCleansingToolRelationalApplPackageLegacyExternalRDBMSRDBMS带ODS的体系结构带ODS的体系结构SourceDatabasesArchitectedDataMartsDataAccessandAnalysisCentralDataWarehouseandODSCentralDataWarehouseMidTierRDBMSDataMartMidTierRDBMSDataMartLocalMetadataMetadataExchangeODSOLTPToolsEndUserDWTools现实环境异质性DouglasHackney,现实环境异质性DouglasHackney,CustomMarketingDataWarehousePackagedOracleFinancialDataWarehousePackagedISupplyChainNonArchitectedDataMartSubsetDataMartsOracleFinancialsiSupplyChainSiebelCRMrdPartyeCommerce联合型数据仓库数据集市体系结构联合型数据仓库数据集市体系结构RealTimeODSFederatedFinancialDataWarehouseSubsetDataMartsCommonStagingAreaOracleFinancialsiSupplyChainSiebelCRMrdPartyFederatedPackagedISupplyChainDataMartsAnalyticalApplicationseCommerceRealTimeDataMiningandAnalyticsRealTimeSegmentation,Classification,Qualification,Offerings,etcFederatedMarketingDataWarehouse闭环的联合型BI体系结构闭环的联合型BI体系结构FrontandbackofficeOLTPeBusinesssystemsExternalinformationprovidersCRMAnalyticsReportingSupplyChainAnalyticsReportingEKPEnterpriseKnowledgeManagementPortalEPMAnalyticsReportingBusinessinformationrecommendationsInformeddecisionsactionsFinancialAnalyticsReportingHRAnalyticsReporting数据仓库的焦点问题数据的获得、存储和使用数据仓库的焦点问题数据的获得、存储和使用RelationalPackageLegacyExternalsourceDataCleanToolDataStagingEnterpriseDataWarehouseRDBMSROLAPRDBMS数据仓库和集市的加载能力至关重要数据仓库和集市的查询输出能力至关重要ETL工具ETL工具去掉操作型数据库中的不需要的数据统一转换数据的名称和定义计算汇总数据和派生数据估计遗失数据的缺省值调节源数据的定义变化ETL工具体系结构ETL工具体系结构元数据库及元数据管理元数据库及元数据管理元数据分类:技术元数据商业元数据数据仓库操作型信息。AlexBersonetc,技术元数据包括为数据仓库设计人员和管理员使用的数据仓库数据信息用于执行数据仓库开发和管理任务。包括:数据源信息转换描述(从操作数据库到数据仓库的映射方法以及转换数据的算法)目标数据的仓库对象和数据结构定义数据清洗和数据增加的规则数据映射操作访问权限备份历史存档历史信息传输历史数据获取历史数据访问等等元数据库及元数据管理元数据库及元数据管理 商业元数据给用户易于理解的信息包括:主题区和信息对象类型包括查询、报表、图像、音频、视频等Internet主页支持数据仓库的其它信息例如对于信息传输系统包括预约信息、调度信息、传送目标的详细描述、商业查询对象等数据仓库操作型信息例如数据历史(快照版本)拥有权抽取的审计轨迹数据用法元数据库及元数据管理元数据库及元数据管理元数据库(metadatarepository)和工具MartinStardt数据访问和分析工具数据访问和分析工具报表OLAP数据挖掘提纲提纲数据仓库概念数据仓库体系结构及组件数据仓库设计数据仓库技术(与数据库技术的区别)数据仓库性能数据仓库应用数据挖掘应用概述数据挖掘技术与趋势数据挖掘应用平台(科委申请项目)数据仓库设计数据仓库设计自上而下(TopDown)自底而上(BottomUp)混合的方法数据仓库建模TopdownApproachTopdownApproachBuildEnterprisedatawarehouseCommoncentraldatamodelDatareengineeringperformedonceMinimizeredundancyandinconsistencyDetailedandhistorydataglobaldatadiscoveryBuilddatamartsfromtheEnterpriseDataWarehouse(EDW)SubsetofEDWrelevanttodepartmentMostlysummarizeddataDirectdependencyonEDWdataavailabilityLocalDataMartExternalDataLocalDataMartOperationalData自底而上设计方法自底而上设计方法创建部门的数据集市范围局限于一个主题区域快速的ROI局部的商业需求得到满足本部门自治设计上具有灵活性对其他部门数据集市是一个好的指导容易复制到其他部门需要为每个部门做数据重建有一定级别的冗余和不一致性一个切实可行的方法扩大到企业数据仓库创建EDB作为一个长期的目标局部数据集市操作型数据(局部)局部数据集市企业数据仓库EDB数据仓库建模星型模式数据仓库建模星型模式ExampleofStarSchema数据仓库建模雪片模式数据仓库建模雪片模式DateMonthDateSalesFactTableDateProductStoreCustomerunitsalesdollarsalesYensalesMeasurementsMonthYearMonthYearYearExampleofSnowflakeSchema操作型(OLTP)数据源销售库操作型(OLTP)数据源销售库星形模式星形模式时间维事实表多维模型多维模型提纲提纲数据仓库概念数据仓库体系结构及组件数据仓库设计数据仓库技术(与数据库技术的区别)数据仓库性能数据仓库应用数据挖掘应用概述数据挖掘技术与趋势数据挖掘应用平台(科委申请项目)数据仓库技术Inmon数据仓库技术Inmon管理大量数据能够管理大量数据的能力能够管理好的能力管理多介质(层次)主存、扩展内存、高速缓存、DASD、光盘、缩微胶片监视数据决定是否应数据重组决定索引是否建立得不恰当决定是否有太多数据溢出决定剩余的可用空间利用多种技术获得和传送数据批模式联机模式并不非常有用程序员设计者对数据存放位置的控制(块页)数据的并行存储管理元数据管理数据仓库技术Inmon数据仓库技术Inmon数据仓库语言接口能够一次访问一组数据能够一次访问一条记录支持一个或多个索引有SQL接口数据的高效装入高效索引的利用用位映像的方法、多级索引等数据压缩IO资源比CPU资源少得多因此数据解压缩不是主要问题复合键码(因为数据随时间变化)变长数据加锁管理(程序员能显式控制锁管理程序)单独索引处理(查看索引就能提供某些服务)快速恢复数据仓库技术Inmon数据仓库技术Inmon其他技术特征传统技术起很小作用事务集成性、高速缓存、行页级锁定、参照完整性、数据视图传统DBMS与数据仓库DBMS区别为数据仓库和决策支持优化设计管理更多数据:GBGBTB传统DBMS适合记录级更新提供:锁定Lock、提交Commit、检测点CheckPoint、日志处理Log、死锁处理DeadLock、回退Roolback基本数据管理如:块管理传统DBMS需要预留空间索引区别:传统DBMS限制索引数量数据仓库DBMS没有限制通用DBMS物理上优化便于事务访问处理而数据仓库便于DSS访问分析改变DBMS技术多维DBMS和数据仓库多维DBMS作为数据仓库的数据库技术这种想法是不正确的多维DBMS(OLAP)是一种技术数据仓库是一种体系结构的基础双重粒度级别(DASD磁带)数据仓库技术Inmon数据仓库技术Inmon数据仓库环境中的元数据DSS分析人员和IT专业人员不同需要元数据的帮助操作型环境和数据仓库环境之间的映射需要元数据数据仓库包含很长时间的数据必须有元数据标记数据结构定义上下文和内容(上下文维)简单上下文信息(数据结构编码命名约定度量)复杂上下文信息(产品定义市场领域定价包装组织结构)外部上下文信息(经济预测:通货膨胀、金融、税收政治信息竞争信息技术进展)刷新数据仓库数据复制(触发器)变化数据捕获(CDC)(日志)提纲提纲数据仓库概念数据仓库体系结构及组件数据仓库设计数据仓库技术(与数据库技术的区别)数据仓库性能数据仓库应用数据挖掘应用概述数据挖掘技术与趋势数据挖掘应用平台(科委申请项目)数据仓库性能Inmon,数据仓库性能Inmon,使用数据平台服务管理王天佑等译《数据仓库管理》电子工业出版社年月提纲提纲数据仓库概念数据仓库体系结构及组件数据仓库设计数据仓库技术(与数据库技术的区别)数据仓库性能数据仓库应用数据挖掘应用概述数据挖掘技术与趋势数据挖掘应用平台(科委申请项目)数据仓库应用DW用户数的调查数据仓库应用DW用户数的调查“DW系统的用户在以内或以上是未来一段时期内的主要部分“DW用户的调查最近一年MetaGroupSurvey调查对象:用户或意向用户DW数据规模的调查DW数据规模的调查DW规模的调查最近一年MetaGroupSurvey调查对象:用户或意向用户HowMuchHowMuch$mformidsizecompany,lessifsmaller,moreiflarger$mforlargeorganizations,largedatasetsannualmaintenancecostsHardwareSoftwareServicesHowLongHowLongyearsforoffullsystemformidsizecompanymonthsforinitialiterationmonthsforsubsequentiterationsHowRiskyHowRiskyForEDWProjects,(Meta)to(OTR,DWN)failHighfailureratefornonbusinessdriveninitiativesVeryfewsystemsmeettheexpectationsofthebusinessFailurenotduetotechnology,dueto“soft”issuesMassiveupsidetosuccessfulprojects(ROI)politicstechnology参考文献参考文献Inmon,WH,”BuildingtheDataWarehouse”,JohmWileyandSons,Ladley,John,”OperationalDataStores:BuildinganEffectiveStrategy”,Datawarehouse:PraticalAdviceformtheExperts,PrenticeHall,EnglewoodCliffs,NJ,Gardmer,StephenR,“BuildingtheDatawarehouse”,CommunicationofACM,September,Volume,Numver,DouglasHackney,Http:wwwegltdcom,DW:APracticalOverview,PieterRMimno,“TheBigPictureHowBrioCompetesintheDataWarehousingMarket”,PresentationtoBrioTechnologyAugust,AlexBerson,StephenSmith,KurtTherling,“BuildingDataMiningApplicationforCRM”,McGrawHill,MartinStardt,AncaVaduva,ThomasVetterli,“TheRoleofMetaforDataWarehouse”,WHInmon,KenRudin,ChristopherKBuss,RyanSousa,“DataWarehousePerformance”,JohnWileySons,提纲提纲数据仓库概念数据仓库体系结构及组件数据仓库设计数据仓库技术(与数据库技术的区别)数据仓库性能数据仓库应用数据挖掘应用概述数据挖掘技术与趋势数据挖掘应用平台(科委申请项目)数据挖掘应用综述数据挖掘应用综述数据挖掘应用概述数据挖掘技术与趋势数据挖掘应用平台数据挖掘应用概述数据挖掘应用概述应用比例DataMiningUpsidesDataMiningDownsidesDataMiningUseDataMiningIndustryandApplicationDataMiningCosts应用比例应用比例ClusteringDirectMarketingCrossSellModelswwwkdnuggetscomNewsDiscoveryofpreviouslyunknownrelationships,trends,anomalies,etcPowerfulcompetitiveweaponAutomationofrepetitiveanalysisPredictivecapabilitiesDataMiningUpsidesKnowledgediscoverytechnologyimmatureLonglearningandtuningcyclesforsometechnologies“Blackbox”technologyminimizesconfidenceVLDB(VeryLargeDataBase)requirementsDataMiningDownsidesDataMiningUsesDiscoveranomalies,outliersandexceptionsinprocessdataDiscoverbehaviorandpredictoutcomesofcustomerrelationshipsChurnmanagementTargetmarketing(marketofone)PromotionmanagementFrauddetectionPatternIDmatching(darkprograms,science)DataMiningIndustryandApplicationsDataMiningIndustryandApplicationsFromresearchprototypestodataminingproducts,languages,andstandardsIBMIntelligentMiner,SASEnterpriseMiner,SGIMineSet,Clementine,MSSQLServer,DBMiner,BlueMartini,MineIt,DigiMine,etcAfewdatamininglanguagesandstandards(espMSOLEDBforDataMining)ApplicationachievementsinmanydomainsMarketanalysis,trendanalysis,frauddetection,outlieranalysis,Webmining,etcDataMiningCostsDesktoptools:$andup(MSFTcomingatlowpricepoint)ServerMFbased:$,to$,MustalsoaddcostofextensiveconsultingforhighendtoolsDon’tforgetlongtrainingandlearningcurvetimeOngoingprocess,nottaskautomationsoftware提纲提纲数据仓库概念数据仓库体系结构及组件数据仓库设计数据仓库技术(与数据库技术的区别)数据仓库性能数据仓库应用数据挖掘应用概述数据挖掘技术与趋势数据挖掘应用平台(科委申请项目)数据挖掘趋势数据挖掘趋势历史回顾多学科交叉数据挖掘从多个角度分类最近十年的研究进展数据挖掘的趋势数据挖掘与标准化进程历史回顾历史回顾IJCAIWorkshoponKnowledgeDiscoveryinDatabasesKnowledgeDiscoveryinDatabases(GPiatetskyShapiroandWFrawley,)WorkshopsonKnowledgeDiscoveryinDatabasesAdvancesinKnowledgeDiscoveryandDataMining(UFayyad,GPiatetskyShapiro,PSmyth,andRUthurusamy,)InternationalConferencesonKnowledgeDiscoveryinDatabasesandDataMining(KDD’)JournalofDataMiningandKnowledgeDiscovery()ACMSIGKDD,SIGKDD’conferences,andSIGKDDExplorationsMoreconferencesondataminingPAKDD,PKDD,SIAMDataMining,(IEEE)ICDM,DaWaK,SPIEDM,etcDataMining:ConfluenceofMultipleDisciplinesDataMining:ConfluenceofMultipleDisciplinesDataMiningDatabaseTechnologyStatisticsOtherDisciplinesInformationScienceMachineLearning(AI)VisualizationAMultiDimensionalViewofDataMiningAMultiDimensionalViewofDataMiningDatabasestobeminedRelational,transactional,objectrelational,active,spatial,timeseries,text,multimedia,heterogeneous,legacy,WWW,etcKnowledgetobeminedCharacterization,discrimination,association,classification,clustering,trend,deviationandoutlieranalysis,etcTechniquesutilizedDatabaseoriented,datawarehouse(OLAP),machinelearning,statistics,visualization,neuralnetwork,etcApplicationsadaptedRetail,telecommunication,banking,fraudanalysis,DNAmining,stockmarketanalysis,Webmining,Webloganalysis,etcResearchProgressintheLastDecadeResearchProgressintheLastDecadeMultidimensionaldataanalysis:DatawarehouseandOLAP(onlineanalyticalprocessing)Association,correlation,andcausalityanalysisClassification:scalabilityandnewapproachesClusteringandoutlieranalysisSequentialpatternsandtimeseriesanalysisSimilarityanalysis:curves,trends,images,texts,etcTextmining,WebminingandWebloganalysisSpatial,multimedia,scientificdataanalysisDatapreprocessinganddatabasecompressionDatavisualizationandvisualdataminingManyothers,eg,collaborativefilteringResearchDirectionsHanJW,ResearchDirectionsHanJW,WebminingTowardsintegrateddataminingenvironmentsandtools“Vertical”(orapplicationspecific)dataminingInvisibledataminingTowardsintelligent,efficient,andscalabledataminingmethodsTowardsIntegratedDataMiningEnvironmentsandToolsTowardsIntegratedDataMiningEnvironmentsandToolsOLAPMining:IntegrationofDataWarehousingandDataMiningQueryingandMining:AnIntegratedInformationAnalysisEnvironmentBasicMiningOperationsandMiningQueryOptimization“Vertical”(orapplicationspecific)dataminingInvisibledataminingQueryingandMining:AnIntegratedInformationAnalysisEnvironmentQueryingandMining:AnIntegratedInformationAnalysisEnvironmentDataminingasacomponentofDBMS,datawarehouse,orWebinformationsystemIntegratedinformationprocessingenvironmentMSSQLServer(Analysisservice)IBMIntelligentMineronDBSASEnterpriseMiner:datawarehousingminingQuerybasedminingQueryingdatabaseDWWebknowledgeEfficiencyandflexibility:preprocessing,onlineprocessing,optimization,integration,etc“Vertical”DataMining“Vertical”DataMiningGenericdataminingtoolsToosimpletomatchdomainspecific,sophisticatedapplicationsExpertknowledgeandbusinesslogicrepresentmanyyearsofworkintheirownfields!DataminingbusinesslogicdomainexpertsAmultidimensionalviewofdataminersComplexityofdata:Web,sequence,spatial,multimedia,…Complexityofdomains:DNA,astronomy,market,telecom,…DomainspecificdataminingtoolsProvideconcrete,killersolutiontospecificproblemsFeedbacktobuildmorepowerfultoolsInvisibleDataMiningInvisibleDataMiningBuildminingfunctionsintodailyinformationservicesWebsearchengine(linkanalysis,authoritativepages,userprofiles)adaptivewebsites,etcImprovementofqueryprocessing:historydataMakingservicesmartandefficientBenefitsfromtodataminingresearchDataminingresearchhasproducedmanyscalable,efficient,novelminingsolutionsApplicationsfeednewchallengeproblemstoresearchTowardsIntelligentToolsforDataMiningTowardsIntelligentToolsforDataMiningIntegrationpavesthewaytointelligentminingSmartinterfacebringsintelligenceEasytouse,understandandmanipulateOnepicturemayworth,wordsVisualandaudiodataminingHumanCenteredDataMiningTowardsselftuning,selfmanaging,selftriggeringdataminingIntegratedMining:ABoosterforIntelligentMiningIntegratedMining:ABoosterforIntelligentMiningIntegrationpavesthewaytointelligentminingDataminingintegrateswithDBMS,DW,WebDB,etcIntegrationinheritsthepowerofuptodateinformationtechnology:querying,MDanalysis,similaritysearch,etcMiningcanbeviewedasqueryingdatabaseknowledgeIntegrationleadstostandardinterfacelanguage,functionprocessstandardization,utility,andreachabilityEfficiencyandscalabilitybringintelligentminingtoreality数据挖掘与标准化进程数据挖掘与标准化进程CRISPDM过程标准化(CRossIndustryStandardProcessforDataMining)XML与数据预处理相结合SOAP(SimpleObjectAccessProtocol)数据库与系统互操作的标准PMML预言模型交换标准OLEDBForDataMining数据挖掘系统基于API的接口提纲提纲数据仓库概念数据仓库体系结构及组件数据仓库设计数据仓库技术(与数据库技术的区别)数据仓库性能数据仓库应用数据挖掘应用概述数据挖掘技术与趋势数据挖掘应用平台(科委申请项目)数据挖掘应用平台数据挖掘应用平台项目最终目标研究内容(含系统结构、层次等)技术路线和实现方法关键技术分析成果形式和考核指标项目最终目标()项目最终目标()一年内研究数据挖掘技术实现数据挖掘主要算法开发出拥有自主知识产权并具有扩充性好、便于应用的特点的数据挖掘应用平台建立一套规范实用的数据挖掘实际应用方法论项目最终目标()项目最终目标()所研究的数据挖掘技术达到国际先进水平实现主要的数据挖掘算法如关联规则、聚集、分类等所开发的数据挖掘应用平台拥有自主知识产权并具有扩充性好便于应用的特点所建立的数据挖掘应用的方法论规范实用研究内容研究内容层次结构数据挖掘商业逻辑行业应用可扩展性的体系结构软件结构数据挖掘平台的应用针对行业的解决方案软件开发商二次开发层次结构:数据挖掘商业逻辑行业应用层次结构:数据挖掘商业逻辑行业应用关联规则、序列模式、分类、聚集、神经元网络、偏差分析…数据挖掘算法层产品推荐、客户细分、客户流失、欺诈甄别、特征分析…商业逻辑层基因(DNA)分析、银行、保险、电信、证券、零售业…行业应用层数据挖掘应用平台可扩展性的体系结构可扩展性的体系结构数据挖掘应用平台数据挖掘应用服务器信息系统行业客户端软件结构软件结构供数据挖掘使用的数据仓库ETL工具数据挖掘应用服务器数据挖掘应用服务器管理平台针对行业的分析平台数据挖掘平台的应用:针对行业的解决方案数据挖掘平台的应用:针对行业的解决方案数据挖掘平台的应用:软件开发商二次开发数据挖掘平台的应用:软件开发商二次开发技术路线和实现方法技术路线和实现方法数据挖掘应用服务器应用服务器管理平台行业应用了解掌握研究动态商业模型研究数据仓库建模数据挖掘算法实现服务器框架构建阶段一阶段二阶段三模型创建可视化服务器调度和监听数据抽取工具研制用户界面友好模型显示可视化模型组件的应用特定行业应用组件二次开发应用人机接口友好关键技术分析关键技术分析商业模型在数据仓库中的实现商业模型可视化研究模型平滑地嵌入其他应用(ERPCRM)ETL(抽取、转换、装载)工具的研制挖掘算法与商业模型之间的映射关系数据挖掘算法的优化AnyQuestionsZhujianqiuhotmailcom

用户评价(0)

关闭

新课改视野下建构高中语文教学实验成果报告(32KB)

抱歉,积分不足下载失败,请稍后再试!

提示

试读已结束,如需要继续阅读或者下载,敬请购买!

文档小程序码

使用微信“扫一扫”扫码寻找文档

1

打开微信

2

扫描小程序码

3

发布寻找信息

4

等待寻找结果

我知道了
评分:

/81

数据仓库与数据挖掘综述

VIP

在线
客服

免费
邮箱

爱问共享资料服务号

扫描关注领取更多福利