有各种各样的数据挖掘系统可用。数据挖掘系统可以集成以下技术：

• 空间数据分析
• 信息检索
• 模式识别
• 图像分析
• 信号处理
• 电脑图像
• 网络技术
• 商业
• 生物信息学

数据挖掘系统分类

数据挖掘系统可以根据以下标准进行分类-

• 数据库技术
• 统计
• 机器学习
• 情报学
• 可视化
• 其他学科

除此之外，还可以基于以下类型对数据挖掘系统进行分类：(a)挖掘的数据库，(b)挖掘的知识，(c)使用的技术和(d)适应的应用程序。

基于挖掘的数据库的分类

我们可以根据挖掘的数据库类型对数据挖掘系统进行分类。可以根据不同的标准(例如数据模型，数据类型等)对数据库系统进行分类。可以对数据挖掘系统进行相应的分类。

例如，如果我们根据数据模型对数据库进行分类，那么我们可能具有关系，事务，对象关系或数据仓库挖掘系统。

基于知识挖掘类型的分类

我们可以根据挖掘的知识种类对数据挖掘系统进行分类。这意味着数据挖掘系统是根据以下功能分类的：

• 表征
• 歧视
• 关联和相关分析
• 分类
• 预测
• 离群分析
• 进化分析

基于使用技术的分类

我们可以根据使用的技术种类对数据挖掘系统进行分类。我们可以根据涉及的用户交互程度或所采用的分析方法来描述这些技术。

根据适应的应用分类

我们可以根据适应的应用对数据挖掘系统进行分类。这些应用程序如下-

• 金融
• 电信
• 脱氧核糖核酸
• 股市
• 电子邮件

将数据挖掘系统与DB / DW系统集成

如果数据挖掘系统未与数据库或数据仓库系统集成，则将没有系统可与其通信。该方案称为非耦合方案。在此方案中，主要重点是数据挖掘设计以及开发有效和有效的算法以挖掘可用数据集。

整合方案列表如下-

• 无耦合-在此方案中，数据挖掘系统不利用任何数据库或数据仓库功能。它从特定来源获取数据，并使用某些数据挖掘算法来处理该数据。数据挖掘结果存储在另一个文件中。

• 松散耦合-在此方案中，数据挖掘系统可能会使用数据库和数据仓库系统的某些功能。它从这些系统管理的数据呼吸中获取数据，并对该数据执行数据挖掘。然后，它将挖掘结果存储在文件中或数据库或数据仓库中的指定位置中。

• 半紧密耦合-在此方案中，数据挖掘系统与数据库或数据仓库系统链接，此外，还可以在数据库中提供一些数据挖掘原语的有效实现。

• 紧密耦合-在这种耦合方案中，数据挖掘系统可以平滑地集成到数据库或数据仓库系统中。数据挖掘子系统被视为信息系统的一个功能组件。