文档介绍：数据挖掘 data mining DMQL . 这涉及包含相关数据的数据库和表或数据仓库, 选择相关数据的条件, 探查的相关属性或维, 提供一些子句来说明这些信息,如下所述: 1. use database <database_name> or use data warehouse<data_warehouse_name>//use . from<relation(s)/cube(s)>[where<condition>]//from 和 where 子句分别指定所涉及的表或数据立方体和定义检索数据的条件. 3. in relevance to <attribute_or_dimension_list>: 该子句列出要探查的属性和维. 4. order by <order_list>:order by子句说明任务相关的数据排序的次序. 5. group by<grouping_list>: group by子句说明数据分组的标准. 6. having <condition>:having 子句说明相关数据分组条件. 这些子句形成一个 SQL 查询,收集任务相关的数据. <Mine_Knowledge_Specification> 语句用语说明挖掘知识的类型. 也就是说, 他指定用于执行的挖掘函数. <Mine_Knowledge_Specification>::= mine characteristics[as<pattern_name>] analyze<measure(s)> , analyze 字句指定聚集度量, 如 count,sum ,or count%( 百分比技术, 即指定的特征在相关数据元组中的百分比). 这些度量将对每个找到的数据特征进行计算. <Mine_Knowledge_Specification>::= parison [as <pattern_name>] for <target_class> where <target_condition> {versus <contrast_class_i> where<contrast-condition_i>} analyze<measure(s)> ,, analyze 子句指定聚集度量,如 count,sum ,or count% ,将对每个描述进行计算和显示. <Mine_Knowledge_Specification>::= mine associations[as< pattern name >] [matching<met pattern>] ,用户可以选用 matching 子句,提供模板(又称元模式或元规则) .元模式可以用来将发现集中于与给定元模式匹配的模式,,因为产生的