先甩片湯話：不知怎么的，就從純工科的學業到管理工作崗位，又進入了數據挖掘的學習。一切都是從頭學起，不會寫代碼，(本科學的C++，也只記得課程的名字)，數學也多年未動，離散數學從未接觸，這條路步履維艱。 啥也不說了，有時間抱怨，不如迅速開干，用了一個月不到，首先明確自己哪里不足（其實就是哪里都不 ...

Pandas介紹（panel + data + analysis） 為什么使用Pandas 便捷的數據處理能力 讀取文件方便 封裝了Matplotlib、Numpy的畫圖和計算 Pandas的核心數據 ...

數據挖掘（Data Mining）作為一個領域，比機器學習要大，偏應用。互聯網公司也大量使用數據挖掘技術，作為即將畢業進入互聯網公司從事機器學習算法開發的我，最近計划系統了解一下這方面的理論和技術。作為一個習慣，學習一個東西之前總要上網找找學習資源（網站，書籍，學術期刊會議），以保證學到 ...

四種主要的數據挖掘任務： 　1、預測建模任務 　　分類：用於預測離散的目標變量 回歸：用於預測連續的目標變量 　2、關聯分析 　3、聚類分析 　4、異常檢測 主要的數據質量問題：存在噪聲和離群點，數據遺漏、不一致或重復，數據有偏差，或者在別的方面，數據不代表描述所設 ...

2-1數據對象與屬性類型 數據集由數據對象組成。一個數據對象代表一個實體。例如，在銷售數據庫中，對象可以是顧客、商品或銷售•，在醫療數據庫中，對象可以是患者；在大學的數據庫中，對象可以是學生、教授和課程。通常，數據對象用屬性描述。數據對象又稱樣本、實例、數據點或對象。如果數據對象存放在數據庫中 ...

1.用R計算數據基本統計量（均值） 學習機器學習和數據挖掘中的各種算法和模型，需要掌握統計學的基本概念。統計學是通過搜索、整理、分析數據等手段，以達到推斷所測對象的本質，並預測對象未來走勢的一門綜合性科學。 簡單說，統計學是根據樣本估計總體的科學。它的一些思想和大數據思想有些相悖，不關注數據 ...

談談數據挖掘和機器學習 又是好長時間沒有寫博客了，最近周末事情太多，明天勞動節終於可以讓我們勞動人民休息一天了。首先聲明的是本人並非數據挖掘和機器學習的高手，只是作為業余興趣剛剛開始研究，據我所知好多朋友也和我一樣對這方面的東西感興趣，個人認為機器人技術是未來發展的方向。雖然我的專業是軟件開發 ...

一、數據挖掘任務 數據挖掘常見的六大任務： 1.分類問題 2.聚類問題 3.回歸問題 4.關聯問題 5.序列問題 6.異常檢測 二、數據挖掘流程 CRISP-DM：跨行業數據挖掘標准流程 ...