PASW Modeler 支持使用Oracle Data Mining、Analysis Services from Microsoft 和IBM Intelligent Miner 来支持集成建模，使客户可以使用其供应商提供的本地算法充分发 挥客户数据库的功能。用户可以在数据库内构建、评定和保存模型，所有这些操作均 在PASW Modeler 应用程序内完成，将PASW Modeler 的分析能力和使用便利性与数据 库的强大功能完美结合起来。关于支持数据库建模的具体要求，请参阅PASW Mo

可视化数据挖掘应用实例一则——某银行信贷规则评估 吴源林 （上海财经大学MBA 学院，上海 200083） 摘要：本文应用 Clementine 工具，通过对某银行评估客户信用申请的资料挖掘，展示 了数据挖掘中遇到的问题和解决思路。 关键词：数据挖掘；决策树；Clementine 数据挖掘是运用模式识别技术，以及统计和数 学知识，通过对大量的、不完全的、有噪声的、模 糊的、随机的数据集进行详尽审查挖掘，以发现数 据中内在的关联性、特征和趋势。数据挖掘综合了 多种学科技术，能提供数据分类、聚类、

要做数据挖掘，当然需要工具。但若靠传统的自我编程来实现，未免有些费时费力，而且其性能也不一定比商业工具来得强和稳定。目前，世界上已经有很多商业公司和研究机构开发出了各自的数据挖掘产品，而且功能和使用简易性也在日益提高。例如：SAS公司的Enterprise Miner以及IBM公司的 Intelligent Miner，等等。 直接采用商业数据挖掘工具来帮助项目实施，是一个很好的选择。它既节省了大量的开发费用，又可以节约维护和升级的开销。本文是目前国内第一份对主流数据挖掘工具的评估报告，该报告

需求是一切技术之母，管理和计算机技术的发展，促使数据挖掘技术的诞生。随着世界信息技术的迅猛发展，信息量也呈几何指数增长，如何从巨量、复杂的数据中获取有用的信息，成为了信息技术研究领域的一道新课题。在这样的背景下，数据挖掘技术诞生并成为了近年来的研究热点。机器学习、数据库技术和数理统计是数据挖掘的三个技术支柱。 目前国际上广泛应用的数据挖掘工具有很多，如SAS 公司的Enterprise Miner，SPSS 公司的Clementine，Waikato 大学开发的Weka 平台，SQL Seve