数据挖掘和机器学习概述

一、数据挖掘任务

数据挖掘常见的六大任务：

 

 1.分类问题

 

 

2.聚类问题

 

 3.回归问题

 

 4.关联问题

 

 5.序列问题

 

 6.异常检测

 

 

二、数据挖掘流程

CRISP-DM：跨行业数据挖掘标准流程

 

 

各环节的任务与目标

 

 

预测模型的构建和评分流程

六大任务中的分类和回归都属于预测模型的范畴

 

 三、预测模型的构建和使用

 

 

四、机器学习算法分类

 

 

数据挖掘六大任务中的机器学习算法

 

 

 

五、数据挖掘，数据仓库和OLAP

企业中真实的数据挖掘和应用流程

 

 

数据仓库中的星型模型设计

 

 OLAP的基本概念和技术

 

 OLAP的基本操作

 

 向下钻取，比如季度转为月份

向上钻取，2010年的极度，转为总的极度，上海这几那个江苏，转为江浙沪

 

六、数据科学

 数据科学解决的两类问题

 

 数据科学团队角色

 

 

数据科学家

 

 数据科学家需要掌握多元化知识和技能

 

 

成为数据科学家

 

转载于:https://www.cnblogs.com/aidata/p/11590749.html