数据挖掘_人工智能博客-专业IT技术发表平台

推荐付费专栏 VIP文章

从 Trace 数据挖掘到持续学习：AI Agent 的迭代闭环该如何工程化一个略带争议但务实的观点：展示你用来测试 Agent 的全部评估，我大致就能知道这个 Agent 会如何表现——因为它就是在朝着这些评估优化。Agent 的迭代本质上是在追求通过评估。评估集即行为规范：设计评估时要覆盖真实场景的关键维度，否则 Agent 会在未评估的部分失控密集反馈优于稀疏反馈：Terminal-Bench 之类任务只给"通过/失败"一个比特，失败时几乎无法指导下一步；而 Trace 能提供过程级信号——哪一步工具调用出错、哪个分支判断失误——大幅加速收敛风险提示。

阅读 630

18赞

数据挖掘基石：数据预处理全解析（定义+步骤+流程图+代码+实战）前言一、数据预处理：核心定义1. 数据预处理：定义2. 数据预处理：核心目标3. 数据预处理：重要性二、数据预处理：标准执行流程图三、数据预处理：主要步骤（序号+详细完整版）步骤1：数据探索（EDA）步骤2：数据清洗（Data Cleaning）步骤3：数据集成（Data Integration）步骤4：数据转换（Data Transformation）步骤5：数据规约（Data Reduction）步骤6：数据验证与保存四、数据预处理：核心技术方法详解1. 缺失值处理2. 异常值处理。

阅读 1.9k

2赞

《数据挖掘》学习笔记（十）：集成学习摘要《数据挖掘》第十章系统介绍了集成学习技术。集成学习通过组合多个基学习器提升模型性能，主要方法包括：1）Bagging（如随机森林），通过自助采样并行训练多个模型并投票；2）Boosting（如AdaBoost、GBDT），序列化训练模型并调整样本权重；3）Stacking，使用次级学习器整合多个基模型的预测结果。本章通过Python代码示例展示了不同集成方法在分类和回归任务中的应用，并对比了其性能优势。集成学习能有效提高预测精度、降低过拟合风险，是处理复杂数据挖掘问题的重要技术。

阅读 897

28赞

数据挖掘核心：降维技术全解析（定义+作用+流程图+常见算法+实战）前言一、降维：核心定义1. 降维：定义2. 降维：核心目标3. 降维：核心场景二、降维：标准执行流程图三、降维：两大核心分类（序号版）1. 特征选择（Feature Selection）2. 特征提取（Feature Extraction）四、常见降维技术：5大核心算法（详细解析）1. PCA（主成分分析）：无监督线性降维2. LDA（线性判别分析）：有监督线性降维3. t-SNE：非线性可视化降维4. 方差选择法：简单特征选择5. 递归特征消除（RFE）：监督特征选择五、降维：详细执行步骤（通用流程）

阅读 3.8k

4赞

华夏之光永存

老奶奶C语言入门教程系列——第14课_做乘法本课教你用C语言实现乘法：输入两个整数，计算机通过*运算符计算并输出结果。代码包含输入、乘法与打印，演示了小数乘法正常运行，大数相乘可能溢出（如50000×50000超int范围）。强调乘法交换律，提醒注意数据类型限制，避免溢出错误。附作业：三数相乘、求平方、算长方形面积。适合零基础入门。

阅读 311

0赞

小码农叔叔

SpringBoot 整合机器学习框架 Weka 实战操作详解 SpringBoot 整合机器学习框架 Weka 实战操作详解

阅读 4.1k

47赞

计算机毕业设计：Python中药材天地网数据挖掘与可视化系统 Django框架中药数据分析医药数据分析数据分析可视化爬虫（建议收藏）✅ 本文介绍了一个基于Python+Django的中药材数据可视化分析系统。系统采用MySQL数据库存储数据，前端使用Echarts实现多样化图表展示，包括药材产地占比饼图、价格柱状图、历史价格折线图等可视化模块。通过requests爬虫从中药材天地网采集数据，提供药材成分分析、词云图等功能。系统还包含后台数据管理、注册登录等模块，为中药材市场分析提供全面支持。技术栈涵盖Python、Django、Echarts、MySQL等，实现了从数据采集到可视化分析的全流程解决方案。

阅读 840

12赞

Java 大视界 -- Java 大数据在智能医疗电子健康档案数据挖掘与健康服务创新中的应用（350）本文结合 15 个医疗案例，详解 Java 大数据在电子健康档案（EHR）中的应用。多源 EHR 整合准确率 99.2%，跨院调阅从 3 分钟→15 秒，慢性病预测准确率 89%，附隐私保护代码与服务创新方案。

阅读 4.4k

45赞

《基于 Streamlit 的数据挖掘实验关卡系统设计与实现解析》本文介绍一个基于 Streamlit 的数据挖掘实验关卡系统，按章节组织25个渐进式任务。系统无需修改原始代码，即可自动展示代码、运行结果、数据表与图表，并支持中文显示与错误反馈。界面友好、结构清晰，适用于教学与自学。

阅读 965

8赞

成成爱质评

历时2个月，测评了12款PPT生成工具，推荐这5款做开题答辩 5款工具在开题答辩场景下的核心能力各有侧重。百度文库智能PPT在学术资源支撑方面积累较深，适合需要大量文献参考的场景；WPS AI在格式兼容和协同编辑上有优势；Kimi PPT适合长文档逻辑提炼；ChatPPT在内容溯源和版式调整上有特色；即触AI PPT在数据保真度上表现突出。工具的价值在于辅助完成框架梳理和排版优化，研究逻辑和学术规范的核心把控始终在研究者本人。

阅读 372

1赞

InvestorFinder 技术架构深度解析：VC 合伙人真实投资行为数据挖掘与精准匹配底层实现本文从技术层面深度解析InvestorFinder系统，该系统聚焦一级市场投融资匹配痛点，通过分布式爬虫集群采集VC合伙人全维度公开数据，涵盖投资行为、毕业院校、过往就职公司及被投创始人背景。依托数据清洗结构化、NLP特征抽取、知识图谱构建及多维度加权匹配算法，实现创业者粘贴个人资料后秒级匹配适配投资人。文章详细拆解系统五层架构、核心数据表设计、性能优化及隐私合规技术，为同类投融资大数据匹配系统提供可落地的技术参考，全程无营销内容，聚焦底层技术实现。

阅读 976

37赞

KDD 2026 | （2月轮）时空数据(Spatial-Temporal)论文总结时空（交通）预测，轨迹数据挖掘（表示，生成）本文总结了KDD 2026（February Cycle）上有关时空数据（Spatial-Temporal）的相关论文。**注**：由于时空数据的论文高达61篇，笔者将分为上下2篇推文来总结，上篇主要涉及交通时空，轨迹，POI等论文，包含**Research**，**Applied Data Science**，**AI for Science**和**Datasets and Benchmarks** 4个Track的论文。**时空数据Topic**：时空（交通）预测，轨迹数据挖掘（表示，生成），

阅读 550

7赞

社交媒体虚假网红检测：数据挖掘与行为分析技术实践数据挖掘作为从海量数据中提取有价值信息的关键技术，其核心原理在于通过算法自动发现数据中的模式、趋势和关联规则。在社交媒体分析领域，数据挖掘技术能够识别异常行为模式，为平台内容安全提供技术支撑。网络爬虫作为数据采集的基础工具，结合机器学习算法，可以实现对虚假账号的自动化检测。这类技术方案特别适用于社交媒体平台运营和数字营销场景，能够有效识别通过伪造身份、购买粉丝等手段运作的虚假网红账号。项目采用Python技术栈，结合行为特征分析和社交网络关系挖掘，为健康养生等垂直领域的虚假内容治理提供工程化解决方案。

阅读 1.3k

10赞

Orange：从零开始构建交互式数据挖掘工作流本文详细介绍了Orange这一交互式数据挖掘工具，从安装到实战应用全面解析。Orange凭借其零代码可视化编程和强大的机器学习功能，成为数据分析和教学的理想选择。文章涵盖核心组件、实战案例（如鸢尾花分类）、高级技巧（插件生态与自定义组件）以及常见问题解决方案，帮助用户快速掌握这一数据挖掘平台。

阅读 1.1k

11赞

Python开发者的B站数据挖掘终极指南：用bilibili-api-python解锁400+接口的无限可能你是否曾想过，如何用几行Python代码就能轻松获取B站的视频数据、用户信息、弹幕分析？当别人还在手动爬取网页时，你已经可以通过官方API接口优雅地获取结构化数据。今天，我要向你介绍一个强大的Python库——bilibili-api-python，它将彻底改变你处理B站数据的方式。## 🚀 为什么你需要这个Python库？想象一下，你需要分析某个UP主的视频表现趋势，传统方法可能需要编

阅读 728

2赞

WeKan 无障碍信息页全解：管理面板配置、accessibilitySettings 数据模型与前端实现本篇技术指南以 WeKan 管理面板中的"Accessibility（无障碍）"设置页为核心，完整讲清这个功能配置了什么、数据如何存储、前端如何消费配置，并深入到 `accessibilitySettings` 集合的 Schema、权限规则、发布订阅与路由实现。读完后，你可以知道：管理员如何发布一份站点级无障碍声明页、`/accessibility` 页面的渲染与回退逻辑、以及该设置从管理界面到

阅读 924

22赞

大数据毕业设计hadoop基于数据挖掘的广州招聘可视化分析系统+java可视化大屏摘要：广州招聘可视化分析系统采用Java语言和Springboot框架开发，结合MySQL数据库和B/S架构，实现招聘数据挖掘与可视化功能。系统包含管理员和用户两大角色：管理员负责用户管理、招聘信息发布、论坛维护等功能；用户可以查看职位信息、管理个人账户和收藏职位。通过数据挖掘技术为用户提供精准职位推荐和市场分析。系统基于Hadoop、Scrapy等大数据技术，实现了高效的信息处理和智能推荐。测试结果表明系统运行稳定，功能完善。该系统为广州地区招聘市场提供了智能化的解决方案，提升了招聘效率与求职体验。（14

阅读 522

3赞

摸鱼许可证

数据挖掘、机器学习与人工智能：概念辨析与应用边界数据挖掘（Data Mining）、机器学习（Machine Learning）和人工智能（Artificial Intelligence）是当今数字化时代的三大核心技术，尽管它们经常被混为一谈，但各自具有不同的目标、方法和应用场景。三者既有区别又紧密关联：数据挖掘为AI提供知识基础，机器学习是AI的核心实现手段，而AI则是更广泛的智能系统构建目标。未来，随着AutoML、可解释AI和神经符号系统等技术的发展，三者将进一步融合，推动医疗、金融、制造等行业的智能化变革。

阅读 1.4k

26赞

Wekan看板安装部署与使用介绍 Wekan 是一个开源的看板式项目管理工具，它的配置相对简单，因为大多数功能都是开箱即用的。它允许用户以卡片的形式组织和跟踪任务，非常适合敏捷开发和日常任务管理。Wekan 的核心功能包括看板、列表和卡片，用户可以在看板上创建多个列表，每个列表代表任务的不同状态，如待办、进行中和已完成。每张卡片则代表一个具体的任务，可以包含详细的描述、截止日期、成员分配和评论。 Wekan 支持实时协作，团队成员可以同时在线编辑和讨论任务，确保信息的即时更新和共享。

阅读 5.4k

7赞

分类与聚类：数据挖掘中的监督与无监督学习实战本文深入探讨了数据挖掘中的分类与聚类技术，通过实战案例展示了监督学习与无监督学习的应用。分类算法如逻辑回归、决策树、随机森林和SVM在预测和标签任务中表现卓越，而聚类算法如K-means、层次聚类和DBSCAN则擅长发现数据中的隐藏模式。文章还提供了代码示例和优化技巧，帮助读者在实际项目中高效应用这些技术。

阅读 836

8赞

计算机毕业设计：Python城市天气数据挖掘与预测系统 Flask框架随机森林 K-Means 可视化数据分析大数据机器学习深度学习（建议收藏）✅ 本文介绍了一个基于数据挖掘技术的城市天气数据分析与预测系统。系统采用Python开发，基于Flask框架搭建后端，使用SQLite数据库存储数据，前端利用Echarts实现可视化。主要功能包括：天气年度变化分析、历史天气查询、月度气温变化分析、空气质量分析等可视化展示；采用K-Means聚类算法进行天气预测，随机森林回归算法预测气温趋势；系统还包含用户登录模块保障访问安全。该系统为气象研究、环境监测等领域提供了科学的数据支持和决策参考。

阅读 1.3k

21赞

飙车致死法厄同

地理信息系统（GIS）开发全攻略地理信息系统（GIS）项目通常涉及复杂的空间数据管理和分析，需求分析阶段是整个项目成功的基石。在这一阶段，首先要明确项目的背景与目标，涵盖项目的业务需求、技术需求以及用户需求。地理信息系统（GIS）中使用的算法多种多样，它们通常被用于数据查询、分析和空间决策支持。在GIS中，空间分析算法和路径分析算法是最为常见的两类算法。: 允许用户请求服务器上地理数据的地图图片，该图片是根据用户设定的范围和样式生成的。

阅读 1.8k

8赞

作者推荐

CPanMirai: 在读研究生，分享AI、深度学习、机器学习、推荐系统等前沿知识！

关注

ShallWeL: Physical AI

关注

CV小涵: 计算机211硕士毕业，交流请看文章底部名片，置顶实时更新目录，专注计算机视觉、RAG研究！

关注

小庄-Python办公: 6年线上教育公司Python高级讲师；4年在职大厂Python高级研发工程师；熟练掌握Python办公自动化技术

关注

研邦新材料: 合金定制，3D打印球形粉末,真空熔炼代工,气雾化制粉，磁控溅射靶材等，为科研所与高校实验项目提供高纯度的金属材料

关注

微信是bishe56: 全职团队，一条龙服务，计算机毕业设计不懂的加微信bishe56

关注

神经网络机器学习智能算法画图绘图: 本人擅长MATALB编程，能用MATLAB对各种画图函数了解比较深入，能进行深度改进，对各种启发式算法比较熟悉，并能编程实现，常见神经网络也能编程实现，乐于大家交流MATLAB的相关问题

关注

哈伦2019: 金融大数据统计

关注

Christo3: 在心上用功，于事上磨练。保持谦卑，保持空杯心态。专注于机器学习，图像算法。

关注

数据科学小丫: 希望不久之后，可以成为数据科学家。

关注