本文介绍了数据挖掘的基本概念，包括其定义、过程、任务分类和在大数据背景下的发展。强调了数据挖掘在内容推荐、自动驾驶、人脸识别和资源调度等领域的应用，并概述了从数据预处理到结果解释的整个流程。同时，讨论了多学科融合的重要性，特别是在应对大数据挑战中的作用，如深度学习。最后，列举了多个数据挖掘的应用实例，如谷歌的传染源定位和Netflix的个性化推荐。
目录
一、应用
1、内容推荐（微信朋友圈广告，短视频）
2、自动驾驶（百度起步较早）
3、人脸识别（无人售卖）
4、资源调度（规划路线，热点图）
二、起因
1、计算机、互联网发展
2、传统纸质数据转换为电子数据
3、数据量急速增长导致的一些问题
（1）数据过量，难以消化
（2）数据真假难以辨别
（3）数据安全难以保证
（4）数据形式不一致、难以统一处理
4、随之数据库技术的迅速发展，对于发现数据中存在的关系和规则以此来根据现有数据预测未来1发展趋势。
三、数据挖掘
1、什么是数据挖掘
从大量的、不完全的、有噪声的、模糊的、随机的数据中提取隐含在其中的、
最低0.47元/天 解锁文章
749
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
