《数据挖掘导论》学习笔记（一）
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 ...
原文：《数据挖掘导论》笔记 （一）
绪论 什么是数据挖掘 数据挖掘是再大型数据存储库中，自动地发现有用信息的过程。 发现先前未知的有用模式，还可以预测未来观测结果 并非所有的信息发现都视为数据挖掘，例使用数据库查找个别的记录或通过因特网查找特定的Web页面，则是信息检索。尽管如此，人们也在利用数据挖掘技术增强信息检索系统的能力。 数据挖掘是数据库中知识发现 KDD 不可缺少的一部分。而KDD是将未加工的数据转换为有用信息的整个过程。 ...
2018-01-19 10:51 0 1034 推荐指数：
相关推荐
数据挖掘：理论与算法（导论）
清华大学研究生公开课 数据挖掘是数据科学，是多领域交叉学科：数据挖掘 = 机器学习 + 人工智能 + 模式识别 + 统计学 数据挖掘的广泛应用： Business Intelligence Data Analytics Big Data Decision Support ...
数据挖掘笔记(一)
一些概念与定义 数据挖掘是从大量数据中挖掘有趣模式和知识的过程。数据源包括数据库、数据仓库、Web、其他信息存储库或动态地流入系统的数据。 数据仓库是一个从多个数据源收集的信息存储库，存放在一致的模式下，并且通常驻留在单个站点上。通常，数据仓库用称做数据立方体（data cube ...
《数据挖掘导论》实验课——实验七、数据挖掘之K-means聚类算法
实验七、数据挖掘之K-means聚类算法 一、实验目的 1. 理解K-means聚类算法的基本原理 2. 学会用python实现K-means算法 二、实验工具 1. Anaconda 2. sklearn 3. matplotlib 三、实验简介 1 K-means算法简介 ...
《数据挖掘导论》实验课——实验六、数据挖掘之关联分析
实验六、数据挖掘之关联分析 一、实验目的 1. 理解Apriori算法的基本原理 2. 理解FP增长算法的基本原理 3. 学会用python实现Apriori算法 4. 学会用python实现FP增长算法 二、实验工具 1. Anaconda 2. sklearn 3. ...
《数据挖掘导论》实验课——实验三、数据挖掘之决策树
实验三、数据挖掘之决策树 一、实验目的 1. 熟悉掌握决策树的原理， 2. 熟练掌握决策树的生成方法与过程 二、实验工具 1. Anaconda 2. sklearn 3. pydotplus 三、实验简介 决策树是一个非参数的监督式学习方法，主要用于分类和回归。算法的目标 ...
《数据挖掘导论》实验课——实验四、数据挖掘之KNN,Naive Bayes
实验四、数据挖掘之KNN,Naive Bayes 一、实验目的 1. 掌握KNN的原理 2. 掌握Naive Bayes的原理 3. 学会利用KNN与Navie Bayes解决分类问题 二、实验工具 1. Anaconda 2. sklearn 三、实验简介 1. KNN ...