数据挖掘
Will-kkc
学习是为了更好的生存~
展开
-
什么是数据挖掘?
毫不奇怪,作为一个多学科领域,数据挖掘可以用多种方法定义。即使术语“数据挖掘”本身实际上也不能完全表达其主要含义。从矿石或砂子中挖掘黄金称做黄金挖掘,而不是砂石挖掘。类似地,数据挖掘应当更正确地命名为“从数据中挖掘知识”,不幸的是这有点长。然而,较短的术语“知识挖掘”可能反映不出强调的是从大量数据中挖掘。毕竟,“挖掘”是一个很生动的术语,它抓住了从大量的、未加工的材料中发现少量宝贵金块这一过程的特点原创 2017-11-08 22:32:40 · 642 阅读 · 0 评论 -
数据挖掘 可以挖掘什么类型的数据?
作为一种通用技术,数据挖掘可以用于任何类型的数据,只要数据对目标应用是有意义的。 对于挖掘的应用,数据的最基本形式是数据库数据、数据仓库数据和事务数据。数据挖掘也可以用于其他类型的数据(例如,数据流、有序/序列数据、图或网络数据、空间数据、文本数据、多媒体数据和万维网)。数据库数据数据库系统,也称数据库管理系统(DBMS ),由一组内部相关的数据(称做数据库)和一组管理和存取数据的软件程序组成。原创 2017-11-09 20:10:26 · 4759 阅读 · 0 评论 -
数据挖掘使用了什么技术?
作为一个应用驱动的领域,数据挖掘吸纳了诸如统计学、机器学习、模式识别、数据库和数据仓库、信息检索、可视化、算法、高性能计算和许多应用领域的大量技术(见图i. m )。数据挖掘研究与开发的边缘学科特性极大地促进了数据挖掘的成功和广泛应用。本节我们给出一些对数据挖掘方法的发展具有重要影响的学科例子。 - 统计学 统计学研究数据的收集、分析、解释和表示。数据挖掘与统计学具有天然联系。统计原创 2017-11-09 21:08:42 · 1073 阅读 · 0 评论 -
数据挖掘面向什么类型的应用?
作为一个应用驱动的学科,数据挖掘已经在许多应用中获得巨大成功。我们不可能一一枚举数据挖掘扮演关键角色的所有应用。在知识密集的应用领域,如生物信息学和软件工程,数据挖掘的表现更需要深人处理,这已经超出本书的范围。应用作为数据挖掘研究与开发的主要方面,其重要性不言而喻,为了解释这一点,我们简略讨论两个数据挖掘非常成功和流行的应用例子:商务智能和搜索引擎。商务智能 对于商务而言,较好地理解它的诸原创 2017-11-13 16:49:02 · 774 阅读 · 0 评论 -
什么事数据对象以及属性分为什么类型?
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,则它们是数据元组。也就是说,数据库的行对应于数据对象,而列对应于属性。本节,我们定义属性,并且考察各原创 2017-11-14 17:42:30 · 5162 阅读 · 0 评论 -
PCA算法---实验代码完整版(实验代码+数据集下载)
简介:PCA(Principal Component Analysis)主成分分析算法,在进行图像识别以及高维度数据降维处理中有很强的应用性,算法主要通过计算选择特征值较大的特征向量来对原始数据进行线性变换。一般获取的原始数据维度都很高,比如1000个特征,在这1000个特征中可能包含了很多无用的信息或者噪声,真正有用的特征才100个,那么我们可以运用PCA算法将1000个特征降到100个特征。这...原创 2018-05-31 15:54:47 · 5431 阅读 · 0 评论