- 博客(0)
- 资源 (14)
- 收藏
- 关注
RSS订阅数据挖掘（第四章 分类与预测）
数据库中隐藏着许多可以为商业、科研等活动的决策提供所需要的知识。分类与预测是两种数据分析形式，它们可用于抽取能够描述重要数据集合或预测未来数据趋势的模型。分类方法用于预测数据对象的离散类别；而预测则用于预测数据对象的连续取值，如：可以构造一个分类模型来对银行贷款进行风险评估（安全或危险）；也可建立一个预测模型以利用顾客收入与职业（参数）预测其可能用于购买计算机设备的支出大小。机器学习、专家系统、统计学和神经生物学等领域的研究人员已经提出了许多具体的分类预测方法。最初的数据挖掘方法大多都是在这些方法及基于内存基础上所构造的算法。目前数据挖掘方法都要求具有基于外存以处理大规模数据集合能力且具有可扩展能力
2008-10-17
数据挖掘（第三章 定性归纳）
从数据分析角度出发，数据挖掘可以分为两种类型：描述型数据挖掘和预测型数据挖掘。前者是以简洁概述的方式表达数据中的存在一些有意义的性质；而后者则通过对所提供数据集应用特定方法分析所获得的一个或一组数据模型，并将该模型用于预测未来新数据的有关性质.
2008-10-17
数据挖掘（第二章 数据预处理）
由于数据库系统所获数据量的迅速膨胀，从而导致了现实世界数据库中常常包含许多含有噪声、不完整、甚至是不一致
的数据。显然对数据挖掘所涉及的数据对象必须进行预处理。那么如何对数据进行预处理以改善数据质量,并最终达到完善最终的数据挖掘结果
之目的呢？数据预处理主要包括:数据清洗、数据集成、
数据转换和数据消减。本章将介绍这四种
数据预处理的基本处理方法。
2008-10-17
数据挖掘（第一章 数据挖掘导论)
数据挖掘作为一个新兴的多学科交叉应用领域，正在各行各业的决策支持活动
扮演着越来越重要的角色。本书将介绍数据挖掘与数据库知识发现的基本知识，以及从大量有噪声、不完整、
甚至是不一致数据集合中，挖掘出有意义的模式知识所涉及的概念与技术方法。
本章将从数据管理技术演化角度，介绍数据挖掘的由来。以及数据挖掘的作用
和意义。同时还将介绍数据挖掘系统的结构、数据挖掘所获得的知识种类，以及数
据挖掘系统的分类。最后还简要介绍了当前数据挖掘领域尚存在的一些热点问题
2008-10-17
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人