緒論 什么是數據挖掘 數據挖掘是再大型數據存儲庫中，自動地發現有用信息的過程。（發現先前未知的有用模式，還可以預測未來觀測結果） 並非所有的信息發現都視為數據挖掘，例使用數據庫查找個別的記錄或通過因特網查找特定的Web頁面，則是信息檢索。盡管如此，人們也在利用數據挖掘技術增強信息檢索 ...

實驗七、數據挖掘之K-means聚類算法 一、實驗目的 1. 理解K-means聚類算法的基本原理 2. 學會用python實現K-means算法 二、實驗工具 1. Anaconda 2. sklearn 3. matplotlib 三、實驗簡介 1 K-means算法簡介 ...

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 ...

數據挖掘算法總結 1.分類算法 所謂分類，簡單來說，就是根據文本的特征或屬性，划分到已有的類別中。常用的分類算法包括：決策樹分類法，朴素的貝葉斯分類算法(native Bayesian classifier)、基於支持向量機(SVM)的分類器，神經網絡法，k-最近鄰法(k-nearest ...

一、概念 關聯（Association） 關聯就是把兩個或兩個以上在意義上有密切聯系的項組合在一起。 關聯規則（AR，Assocaition Rules） 用於從大量數據中挖掘出有價值的數據項之間的相關關系。（購物籃分析） 協同過濾（CF，Collaborative Filtering ...

數據離散化 數據離散化的一種常用方法是依據數據的相關性程度進行離散化，最常見的算法就是ChiMerge算法 定義 chimerge是基於chi-squre的，監督的，自底向上（合並的）一種數據離散化方法。 卡方檢驗 ...

實驗三、數據挖掘之決策樹 一、實驗目的 1. 熟悉掌握決策樹的原理， 2. 熟練掌握決策樹的生成方法與過程 二、實驗工具 1. Anaconda 2. sklearn 3. pydotplus 三、實驗簡介 決策樹是一個非參數的監督式學習方法，主要用於分類和回歸。算法的目標 ...

實驗四、數據挖掘之KNN,Naive Bayes 一、實驗目的 1. 掌握KNN的原理 2. 掌握Naive Bayes的原理 3. 學會利用KNN與Navie Bayes解決分類問題 二、實驗工具 1. Anaconda 2. sklearn 三、實驗簡介 1. KNN ...