Niulity专栏

说到SQL，很多朋友都认为无非就是增删改查，简单，不值得投入过多的精力。于是乎遇到复杂的数据处理，便借助PLSQL、T-SQL、JAVA等语言们来实现主体功能，逐渐出现弱化SQL的趋势。本人从业以来，经历过大大小小的一些项目，而上述情况非常普遍。实在看不下去SQL被拆解得支离破碎的现状，个人感觉数据处理，SQL为王。如何将问题转为SQL问题，即以SQL来思考问题就非常关键，这也是本文的目的。

鬼谷子问徒是一道古老的广为流传的经典逻辑推理题目。Thinking in SQL，通过构造集合，将数据组合转换为表连接，将推理过程转化为分析查询与过滤筛选，即可解决该类问题。

供需分配，简单来说就是你有各种需求，我来个性化供应满足。很多问题都可以转化为此类问题，应用很普遍。可以采用类似ALU的改进，将ROW BY ROW的处理方式转换为并行处理。通过提前窥探，无需等待前一次的分配结果，一个SQL完全可以搞定。这段脚本曾经被个人用来实现ERP PO/RCV接收分配、到货货位分配、MRP计算过程的PR/自由库存匹配分配、财务成本以及AP/AR往来余额帐龄分配报表，可以说，只要存在供需分配的场景，以上SQL应该都能满足。对于ORACLE，PLSQL永远只是SQL的补充，而非替代品

C4.5是一系列用在机器学习和数据挖掘的分类问题中的算法。它的目标是监督学习：给定一个数据集，其中的每一个元组都能用一组属性值来描述，每一个元组属于一个互斥的类别中的某一类。C4.5的目标是通过学习，积累经验，为后续决策服务。该算法目前能找到各类版本，C、JAVA、PYTHON。但唯独没有SQL版本，前篇我有提过，数据处理，SQL为王，如何以SQL的思维来实现C4.5决策树算法是本篇的重点。SQL本身做为关系代数的优秀产物，通过并、交、乘、除四则运算可以完成任意集合间的处理变换。在数据处理方面有其它语言

SQL做为一种编程语言，能够满足各类数据处理的需要，关键就在于算法与思维方式。个人经常调侃SQL思考问题比大部分流行的开发语言多一个维度，因为SQL主要是二维思考（集合）、区别于一维（数据结构）的思维方式。对于ORACLE，通过以SQL（相对宏观）为主体、PLSQL（微观）为辅助，注入算法（灵魂），贯彻性能优化（章程），数据的价值能够充分有效发挥。聚类问题，就是给定一个元素集合D，其中每个元素具有n个可观察属性，使用某种算法将D划分成k个子集，要求每个子集内部的元素之间相异度尽可能低，而不同子集的元素相异

说起数据挖掘机器学习，印象中很早就听说过关于啤酒尿布的神话，这个问题经常出现在数据仓库相关的文章中，由此可见啤酒尿布问题对数据挖掘领域影响的深远程度。本篇文章Apriori算法主要是基于频繁集的关联分析，也是十大经典数据挖掘算法之一，本文中所出现的关联分析默认都是指基于频繁集的关联分析。SQL语言处理数据有天生的优势，Thinking in SQL，面向集合思考问题，通过关系运算（并、交、乘、除）处理数据，ORACLE高效的SQL引擎会负责循环处理。结合ORACLE高级开发技巧，通过不断地总结归纳，注入