數(shù)據(jù)挖掘是以數(shù)據(jù)倉庫和多維數(shù)據(jù)庫中的大量數(shù)據(jù)為基礎，自動地發(fā)現(xiàn)數(shù)據(jù)中潛在的一【 】。

數(shù)據(jù)挖掘是從數(shù)據(jù)庫或數(shù)據(jù)倉庫中發(fā)現(xiàn)并提取隱藏在其中的模式信息的一種技術。()

數(shù)據(jù)挖掘是從數(shù)據(jù)庫或數(shù)據(jù)倉庫中發(fā)現(xiàn)并提取隱藏在其中的信息的一種技術，數(shù)據(jù)挖 掘的方法有很多，比較常用的有

Ⅰ．關聯(lián)規(guī)劃挖掘

Ⅱ．規(guī)范化挖掘

Ⅲ．分類分析

Ⅳ．聚類分析

A．Ⅰ，Ⅱ和Ⅲ

B．Ⅰ，Ⅲ和Ⅳ

C．Ⅱ，Ⅲ和Ⅳ

D．Ⅰ，Ⅱ和Ⅳ

數(shù)據(jù)挖掘是從數(shù)據(jù)庫或數(shù)據(jù)倉庫中發(fā)現(xiàn)并提取隱藏在其中的信息的一種技術，數(shù)據(jù)挖掘的方法有很多，比較常用的有

Ⅰ．關聯(lián)規(guī)劃挖掘

Ⅱ．規(guī)范化挖掘

Ⅲ．分類分

Ⅳ．聚類分析

A．Ⅰ，Ⅱ和Ⅲ

B．Ⅰ，Ⅲ和Ⅳ

C．Ⅱ，Ⅲ和Ⅳ

D．Ⅰ，Ⅱ和Ⅳ

數(shù)據(jù)挖掘是從數(shù)據(jù)庫或數(shù)據(jù)倉庫中發(fā)現(xiàn)并提取隱藏在其中的信息的一種技術，數(shù)據(jù)挖掘的方法有很多，比較常用的有

Ⅰ．關聯(lián)規(guī)劃挖掘

Ⅱ．規(guī)范化挖掘

Ⅲ．分類分析

Ⅳ．聚類分析

A．Ⅰ，Ⅱ和Ⅲ

B．Ⅰ，Ⅲ和Ⅳ

C．Ⅱ，Ⅲ和Ⅳ

D．Ⅰ，Ⅱ和Ⅳ

數(shù)據(jù)挖掘是從數(shù)據(jù)庫或數(shù)據(jù)倉庫中發(fā)現(xiàn)并提取隱藏在其中的信息的一種技術，數(shù)據(jù)挖掘的方法有很多，比較常用的有 Ⅰ．關聯(lián)規(guī)劃挖掘 Ⅱ．規(guī)范化挖掘 Ⅲ．分類分析 Ⅳ．聚類分析

A．Ⅰ、Ⅱ和Ⅲ

B．Ⅰ、Ⅲ和Ⅳ

C．Ⅱ、Ⅲ和Ⅳ

D．Ⅰ、Ⅱ和Ⅳ

A.數(shù)據(jù)庫

B.數(shù)據(jù)倉庫

C.數(shù)據(jù)集市

D,數(shù)據(jù)挖掘

下面描述正確的是(2)。

A．數(shù)據(jù)倉庫是從數(shù)據(jù)庫中導入大量的數(shù)據(jù)，并對結構和存儲進行組織以提高查詢效率

B．使用數(shù)據(jù)倉庫的目的在于對已有數(shù)據(jù)進行高速的匯總和統(tǒng)計

C．數(shù)據(jù)挖掘是采用適當?shù)乃惴ǎ瑥臄?shù)據(jù)倉庫的海量數(shù)據(jù)中提取潛在的信息和知識

D．OLAP技術為提高處理效率，必須繞過DBMS直接對物理數(shù)據(jù)進行讀取和寫入

下面描述正確的是(60)。

A．數(shù)據(jù)倉庫是從數(shù)據(jù)庫中導入大量的數(shù)據(jù)，并對結構和存儲進行組織以提高查詢效率

B．使用數(shù)據(jù)倉庫的目的在于對已有數(shù)據(jù)進行高速的匯總和統(tǒng)計

C．數(shù)據(jù)挖掘是采用適當?shù)乃惴ǎ瑥臄?shù)據(jù)倉庫的海量數(shù)據(jù)中提取中潛在的信息和知識

D．OLAP技術為提高處理效率，必須繞過DBMS直接對物理數(shù)據(jù)進行讀取和寫入

數(shù)據(jù)挖掘是一項以（ ）為基礎的數(shù)據(jù)分析技術，其主要功能是在大量數(shù)據(jù)中自動發(fā)現(xiàn)潛在有用的知識，這些知識可以被表示為概念、規(guī)則、規(guī)律、模式等。

A.數(shù)據(jù)庫 B.數(shù)據(jù)倉庫 C.人工智能 D.知識庫