《數據挖掘導論》學習筆記（一）
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 ...
原文：《數據挖掘導論》筆記 （一）
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系統的能力。 數據挖掘是數據庫中知識發現 KDD 不可缺少的一部分。而KDD是將未加工的數據轉換為有用信息的整個過程。 ...
2018-01-19 10:51 0 1034 推薦指數：
相關推薦
數據挖掘：理論與算法（導論）
清華大學研究生公開課 數據挖掘是數據科學，是多領域交叉學科：數據挖掘 = 機器學習 + 人工智能 + 模式識別 + 統計學 數據挖掘的廣泛應用： Business Intelligence Data Analytics Big Data Decision Support ...
數據挖掘筆記(一)
一些概念與定義 數據挖掘是從大量數據中挖掘有趣模式和知識的過程。數據源包括數據庫、數據倉庫、Web、其他信息存儲庫或動態地流入系統的數據。 數據倉庫是一個從多個數據源收集的信息存儲庫，存放在一致的模式下，並且通常駐留在單個站點上。通常，數據倉庫用稱做數據立方體（data cube ...
《數據挖掘導論》實驗課——實驗七、數據挖掘之K-means聚類算法
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 ...
《數據挖掘導論》實驗課——實驗六、數據挖掘之關聯分析
實驗六、數據挖掘之關聯分析 一、實驗目的 1. 理解Apriori算法的基本原理 2. 理解FP增長算法的基本原理 3. 學會用python實現Apriori算法 4. 學會用python實現FP增長算法 二、實驗工具 1. Anaconda 2. sklearn 3. ...
《數據挖掘導論》實驗課——實驗三、數據挖掘之決策樹
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 ...
《數據挖掘導論》實驗課——實驗四、數據挖掘之KNN,Naive Bayes
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 ...