本文介绍了数据挖掘中的四个关键领域：分类与回归，聚类，关联规则和时序模式。分类是将数据映射到预定义的类别，回归用于预测未来趋势。常见的分类算法包括BP、LM、FNN、RBF等；聚类算法有k-means、层次方法、基于密度的方法等；关联规则涉及Apriori、FP-Tree等算法；时序模式则关注时间序列变化的规律。
啦啦啦啦啦我又嚟啦～
今日讲下数据挖掘常见嘅技术以及应用，并不全面，大家求其睇下就好啦哈哈哈。
数据挖掘技术，在实际的应用中，主要就体现在4个方面：分类与回归，聚类，关联规则和时序模式。
分类与回归
建模原理：
分类（classification）
指的是将数据映射到预先定义好的群组或类，所以，通常分类也被称为有监督的学习。
分类算法要求基于数据属性值来定义类别，通常通过已知所属类别的数据的特征来描述类别。（贼拗口。。。）分类就是构造一个分类模型，通常分为2步：
模型创建：通过对训练数据集的学习来建立分类模型。
模型使用：使用分类模型对测试数据和新的数据进行分类。
回归（regression）
指的是用属性的历史数据预测未来趋势。
回归是假设一些已知类型的函数（如线性函数ÿ
最低0.47元/天 解锁文章
扫一扫
2217
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
