典型的数据挖掘系统的主要成分

典型的数据挖掘系统具有以下主要成分：

• 数据库、数据仓库、或其它信息库：这是一个或一组数据库、数据仓库、展开的表、或其它类 型的信息库。可以在数据上进行数据清理和集成。
• 数据库或数据仓库服务器：根据用户的数据挖掘请求，数据库或数据仓库服务器负责提取相关 数据。
• 知识库：这是领域知识，用于指导搜索，或评估结果模式的兴趣度。这种知识可能包括概念分 层，用于将属性或属性值组织成不同的抽象层。用户确信方面的知识也可以包含在内。可以使 用这种知识，根据非期望性评估模式的兴趣度。领域知识的其它例子有兴趣度限制或阈值和元 数据（例如，描述来自多个异种数据源的数据）。
• 数据挖掘引擎：这是数据挖掘系统基本的部分，由一组功能模块组成，用于特征、关联、分类、聚类分析、演变和偏差分析。
• 模式评估模块：通常，该部分使用兴趣度度量，并与挖掘模块交互，以便将搜索聚 焦在有趣的模式上。它可能使用兴趣度阈值过滤发现的模式。模式评估模块也可以与挖掘模块 集成在一起，这依赖于所用的数据挖掘方法的实现。对于有效的数据挖掘，建议尽可能地将模 式评估推进到挖掘过程之中，以便将搜索限制在有兴趣的模式上。
• 图形用户界面：该模块在用户和挖掘系统之间通讯，允许用户与系统交互，指定数据挖掘查询 或任务，提供信息、帮助搜索聚焦，根据数据挖掘的中间结果进行探索式数据挖掘。此外，该 成分还允许用户浏览数据库和数据仓库模式或数据结构，评估挖掘的模式，以不同的形式对模 式可视化。