CRISP-DW

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。

dw2xls库文件可将数据窗口导出为XLS文件，且格式不变。适用于PB11.2版本。

CRISP-DM 的挖掘流程结构清晰、上手快，在链接挖掘这种场景下用起来还蛮顺的。你只要熟一点数据预和建模思路，再配上像 MATLAB 这类能搞互信息计算的工具，关联关系就不那么头疼了。嗯，尤其是搞那种共引数据的，异常链路检测也能跑出点意思来。链接挖掘的目标其实挺直白：就是找出网络中那些“存在但你没注意到”的链接。用 CRISP-DM 这个流程来搞，你能把问题切得比较细，比如数据理解和建模阶段能结合互信息来做。像mutual information这类指标，用起来蛮方便，还挺直观。要用互信息？可以看看几个实用资源。比如MATLAB 实现的互信息计算，适合你手上是离散变量的；再比如图像互信息配准

dw插件是一款便捷的数据库连接工具，能够快速实现数据库链接，操作简单高效。

数据挖掘里的 CRISP-DM 流程标准，挺适合做项目流程梳理的。你要是经常跑模型、做特征，用上 PMML 标准会方便不少，模型在不同平台之间切换，基本不用重写代码。像SOAP这种协议，虽然老，但对接一些老系统还挺常见的。嗯，还有OLE DB for Data Mining，做数据库互操作性的时候蛮有用的，尤其是搞 SAS 或 IBM 数据源的朋友，应该知道它有多省事。

希望进入该行业的人应该熟悉crisp-dm挖掘过程的中文版。

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 的数据挖掘流程一直挺经典的，py-crisp就是在这个思路上做的一个小而美的项目模板。文件结构清晰，逻辑也比较顺，适合你拿来就开搞，少了多搭架子的麻烦。cookiecutter一键生成，省事不少。 模板默认你是用Anaconda做环境管理的，这点挺贴心。不过如果你用的是别的环境，那就老老实实自己配requirements.txt吧，灵活是够灵活的。想了解更多 CRISP-DM 背后的理论？可以看看下面那几个资料，还挺有参考价值的。 安装流程也简单：pip install cookiecutter装个工具，一句cookiecutter https://github.com/ru

使用Dreamweaver (DW) 创建新闻发布系统，了解ASP应用开发基础，图文并茂，易于理解。

基于 DW、OLAP 和 DM 组合拳的超市销售决策系统，实用性真的挺高的。数据从业务系统里一抽，经过清洗、整合，再丢进数据仓库，前面几步就是在打好地基。再用OLAP搞多维，什么时间、地区、商品分类，轻松切换，响应也快。加一层数据挖掘，比如找出哪些商品常一起卖，或者根据客户习惯来搞定精准促销，这种玩法真的是提升销售的利器。 系统用的是Microsoft Analysis Services，前端那块是VB 6.0写的，虽然老，但当年挺稳的。多维查询靠MDX搞定，管理层接口也封装得不错，用DSO直接操控服务。整套东西搭起来不复杂，但思路挺清晰，适合做中小型零售系统的决策参考。 多维设计上用了星型模