1、“.....在管理工作室中，您可以管理您数据库和执行些在商业智能开发工作室中相同职能，比如在挖掘模式中查看创建预测。数据转换服务在中数据转换服务包括抽取，转换和加载简称工具。这些工具可用于执行些数据挖掘中最重要任务，为数据模型建立清理和准备数据。在数据挖掘，您通常可以执行重复数据转换清理数据，然后利用这些数据组成挖掘模型。利用中任务和转移......”。

2、“.....公司还提供了设计器，以帮助您轻松地建立和运行包含了所有任务和转变软件包。利用设计器，您可以将包发布到服务器上并定期运行他们。这是非常有用例如，你每周收集数据资料，并向要每次自动执行相同清洁转换工作。你可以通过向商业智能开发式解决方案中分别增加项目来将数据转换项目和分析服务项目结合起来工作，作为商务智能解决方案部分。挖掘模式算法数据挖掘算法是挖掘模型创建基础......”。

3、“.....欲了解更多有关算法及其参数调整信息，请参看联机丛书中数据挖掘算法。决策树决策树算法支持分类与回归并且对预测模型也行之有效。利用该算法，你可以预测离散和连续这两个属性。在建立模型时，该算法检查每个数据集输入属性是怎样影响预测属性结果，以及使用最强关系输入属性制造了系列分裂，称为节点。随着新节点添加到模型中，树状结构开始形成......”。

4、“.....每个节点建立把预测属性比作投入属性分布情况上。如果输入属性被视为导致预测属性有利于促成比另个更好状态，于是个新节点添加到模型。该模型继续增长，直到没有剩余属性制造分裂提供了个更好预测在现有节点。该模型力图找到个结合属性和引起在预测属性不成比例分配状态，因此，您可以预测预测属性结果......”。

5、“.....利用这些组合，您可以探讨数据，更多地了解存在关系，这在理论上可能不容易通过偶然观察获得。此外，您也可以从算法创建簇建立预测模型。例如，考虑那些住在同社区，驱动器相同车，吃同样食物，买了类似版本产品那个群体人。这是组数据。另组可能包括去相同餐厅，也有类似薪金，休假和每年两次以外地区人。观测这些集合是如何分布，可以更好地了解预测属性结果是如何相互影响......”。

6、“.....可用于分类和预测模型。它计算每个输入属性国家给予每个可预测属性，它可以用来预测以后预测属性上已知结果输入属性状态，概率。用于生成该模型概率计算，并在立方体处理中。该算法只支持离散或离散化属性，它认为所有输入属性是独立。在传统贝叶斯算法产生个简单挖掘模型可以被认为是在数据挖掘过程起点......”。

7、“.....迅速返回结果。这使得该模型个探索发现数据和如何在不同输入属性预测属性不同分布状态不错选择。时间系时序算法创建，可用于预测了来自和关系数据源时间连续变量模型。例如，您可以使用时序算法来预测销售和在个立方体历史数据为基础利润。利用该算法，你可以选择个或多个变量进行预测，但必须是连续。您只能有个为每个模型病例。此案系列标识系列中位置......”。

8、“.....个案件可能含有组变量例如，在不同商店销售。时序算法可以用其预测交叉变量相关性。例如，在家商店前销售可能会在其他商店预测目前销售非常有用。神经网络在分析服务，神经网络算法创建通过构建个多层感知器神经元网络分类和回归挖掘模型。类似决策树算法提供程序，那么每个可预测属性状态，该算法计算出每个输入属性可能状态概率。该算法提供程序处理案件整套，反复比较......”。

9、“.....从整个案件第次迭代初始设置分类是反馈到网络，并用于修改为下次迭代网络性能，等等。您可以在以后使用这些概率来预测个属性预测结果，根据输入属性。该算法之间和决策树算法主要区别之，但是，是其学习过程是朝着减少，而决策树算法拆分规则，以最大限度地获取信息，优化网络参数。该算法同时支持离散和连续属性预测。线性回归线性回归算法是决策树算法种特殊构造......”。