提到数据挖掘时，我们往往着重于建模时的算法而忽视其他步骤，而在realworld的数据挖掘项目中，其他步骤则是决定项目成败的关键。 guidetointelligentdataanalysis 这本书是knime官网推荐的书籍 http: tech.knime.org guide to intelligent data analysis ，按照CRISP DM的流程讲述了数据挖掘流程的过程。 我 ...
2012-11-23 17:44 6 3646 推荐指数：
ps：由于篇幅问题，这篇博客主要介绍数据挖掘标准化流程中的project understanding问题，剩下的5个方面，特别是modeling等涉及具体算法的部分会在后续的博客中以结合orange和knime等开源软件或者是一些python小程序的形式写下去 本文的一部分是翻译 ...
1、 统计学与数据挖掘的区别： 统计学主要利用概率论建立数学模型，是研究随机现象的常用数学工具之一。 数据挖掘分析大量数据，发现其中的内在联系和知识，并以模型或规则表达这些知识。 虽然两者采用的某些分析方法（如回归分析）是相同的，但是数据挖掘和统计学 ...
这三个领域或学科交叉和重叠部分很多，数据挖掘，机器学习和统计学习的概念一直有或多或少的混淆，希望同样有我这样的困惑的朋友读完下面的文字能够清晰一些。 数据库提供数据管理技术，机器学习和统计学提供数据分析技术。由于统计学界往往醉心于理论的优美而忽视实际的效用，因此，统计学界提供的很多技术 ...
定义 探索性数据分析（Exploratory Data Analysis，EDA）是指对已有数据在尽量少的先验假设下通过作图、制表、方程拟合、计算特征量等手段探索数据的结构和规律的一种数据分析方法。一般有以下几个目的： 弄清楚数据的含义 发现数据的结构 锁定一些重要的特征 ...
数据挖掘 Data mining：数据挖掘是从海量数据中发掘只是，这就比然涉及对海量数据的管理和分析。大体来说，数据库领域的研究为数据挖掘提供数据管理技术，而机器学习和统计学的研究为数据挖掘提供数据分析技术。 机器学习 Machine Learning：提供数据分析的能力，机器学习是大数据 ...
学习之前，需强调：概率是已知模型和参数，推数据；而统计是已知数据，推模型和参数。 第十二集：样本与总体 首先，为何需要样本呢？因为人类并不能总是获取总体数据，例如：人类的身高数据，全世界每秒都有人出生和死去，要获取总体数据是不现实的，故需要样本。样本就是从总体中抽取的一部分数据，人类 ...
四种主要的数据挖掘任务： 1、预测建模任务 分类：用于预测离散的目标变量 回归：用于预测连续的目标变量 2、关联分析 3、聚类分析 4、异常检测 主要的数据质量问题：存在噪声和离群点，数据遗漏、不一致或重复，数据有偏差，或者在别的方面，数据不代表描述所设 ...
2-1数据对象与属性类型 数据集由数据对象组成。一个数据对象代表一个实体。例如，在销售数据库中，对象可以是顾客、商品或销售•，在医疗数据库中，对象可以是患者；在大学的数据库中，对象可以是学生、教授和课程。通常，数据对象用属性描述。数据对象又称样本、实例、数据点或对象。如果数据对象存放在数据库中 ...
