引言

数据挖掘是一种重要的方法，从海量数据中提取先前未知且可能有效的信息。数据挖掘过程涉及多个组件，这些组件构成了数据挖掘系统架构。

数据挖掘架构

数据挖掘系统的重要组成部分包括数据源、数据挖掘引擎、数据仓库服务器、模式评估模块、图形用户界面和知识库。

数据源

实际的数据源是数据库、数据仓库、万维网 (WWW)、文本文件和其他文档。 为了使数据挖掘成功，您需要大量历史数据。 组织通常将数据存储在数据库或数据仓库中。 数据仓库可能包含一个或多个数据库、文本文件、电子表格或其他数据存储库。 有时，即使是纯文本文件或电子表格也可能包含信息。 另一个主要的数据来源是万维网或互联网。

不同的流程

在将数据传递到数据库或数据仓库服务器之前，必须对数据进行清理、集成和选择。 由于信息来自不同的来源，并且采用不同的格式，因此不能直接用于数据挖掘过程，因为数据可能不完整和不准确。 因此，首先需要清理和统一数据。 将从各种数据源收集比需要的更多信息，并且只需要选择感兴趣的数据并将其传递到服务器。 这些程序不像我们想象的那么容易。 作为选择、集成和清理的一部分，可以在数据上执行多种方法。

数据库或数据仓库服务器

数据库或数据仓库服务器包含准备好处理的原始数据。 因此，服务器负责根据用户请求检索基于数据挖掘的相关数据。

数据挖掘引擎

数据挖掘引擎是任何数据挖掘系统的一个主要组成部分。 它包含几个用于操作数据挖掘任务的模块，包括关联、特征化、分类、聚类、预测、时间序列分析等。

换句话说，我们可以说数据挖掘是我们数据挖掘架构的根本。 它包含用于从各种数据源收集并在数据仓库中存储的数据中获取见解和知识的工具和软件。

模式评估模块

模式评估模块主要负责使用阈值评估模式的调查。 它与数据挖掘引擎协作，将搜索重点放在令人兴奋的模式上。

该部分通常采用与数据挖掘模块协作以将搜索重点放在迷人模式上的利益衡量标准。 它可以利用利益阈值来过滤掉已发现的模式。 另一方面，模式评估模块可能与挖掘模块相协调，具体取决于所使用的数据挖掘技术的实现。 为了有效的数据挖掘，异常建议将模式利益的评估尽可能多地推入挖掘过程，以将搜索限制为仅限迷人的模式。

图形用户界面

图形用户界面 (GUI) 模块在数据挖掘系统和用户之间进行通信。 该模块帮助用户轻松有效地使用该系统，而无需了解该过程的复杂性。 当用户指定查询或任务并显示结果时，该模块与数据挖掘系统协作。

知识库

知识库对整个数据挖掘过程很有帮助。 它可能有助于指导搜索或评估结果模式的利益。 知识库甚至可能包含用户视图和来自用户体验的数据，这些数据可能对数据挖掘过程有所帮助。 数据挖掘引擎可以从知识库接收输入，以使结果更准确和可靠。 模式评估模块定期与知识库交互以获取输入，并进行更新。