数据挖掘原理与应用（目录）

最新推荐文章于 2024-10-18 09:28:04 发布
最新推荐文章于 2024-10-18 09:28:04 发布
阅读量52 收藏
点赞数
分类专栏： 数据科学 文章标签： 数据挖掘
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/ymssnhg/article/details/134837819
版权

 

 12e1fb83e6654d7d80d8a4b8cc148ba6.jpg

 

efe5608a90ee4d87b34b08d299cac5dd.jpg

 

365f3148686742af8407b5d1d4ad30c0.jpg

 

6edf52e61fc74460b8550483bad323c8.jpg

 

82b4e0fffdff45b888b6e3606859b1ba.jpg

 

ymssnhg
关注
专栏目录
18种数据挖掘算法原理与应用场景
weixin_44046260的博客
03-25 1267
CART算法通过选择最佳的特征和划分点，使得划分后的子集更加纯净，达到分类或回归的目的。它通过递归地选择最佳的特征和划分点，使得划分后的子集的信息熵降低，达到分类的目的。KNN算法是一种基于实例的学习方法，通过计算新样本与训练集中的样本之间的距离，选择距离最近的k个样本的类别作为预测结果。PageRank算法是一种用于评估网页重要性的算法，通过考虑链接结构，将网页排名为每个页面的投票。在市场篮分析中，通过顾客购物的序列数据，发现商品购买的频繁模式，制定更有针对性的促销策略。
《数据挖掘原理与实战》教程网盘下载
YichunFengxue的博客
04-19 1681
链接: https://pan.baidu.com/s/1XJQVUwN5UdTGIETJ4fPncA 提取码: 3dpj
数据挖掘原理与应用丁兆云课后习题答案解析
weixin_58833001的博客
04-23 1199
在学习这本书的过程中，你可以参考以下学习资料：1) 数据挖掘相关课程视频，如Coursera、慕课等平台的在线课程；同时，你还可以尝试加入学习小组，与他人共同探讨、互相学习。本书从基础理论出发，结合大量实际案例，全面系统地介绍了数据挖掘的基本原理、方法和技术。通过学习这本书，你将能够掌握数据挖掘的基本概念、数据预处理、分类、聚类、关联规则、预测等实用技术。在学习过程中，有以下几点经验供你参考：1) 理论与实践相结合，通过实际项目来提高自己的技能；3) 与他人分享、交流，拓宽视野，提高自己的能力。
数据挖掘算法与原理（第三版）
weixin_52879364的博客
11-21 3185
数据挖掘：聚类算法，ID3，C4.5，free-tree，混淆矩阵，知识发现过程，关联规则，分类方法，k-means,AGNES,GIANA,EM算法，PageRank算法，KNN算法，Close算法，Apriori算法
数据挖掘与数据分析
weixin_72649242的博客
04-20 2963
1、数据挖掘（Data Mining）数据挖掘是指对大规模数据进行分析，以发现其中潜在的模式、规律或关联性的过程。其目的在于从数据中提取有价值的信息，以支持决策制定、预测未来趋势等。数据挖掘涉及多种技术和方法，包括机器学习、统计分析、数据库技术等。2、数据分析（Data Analysis）数据分析是指对数据进行收集、清洗、转换和建模等处理，以获得对问题的洞察和理解的过程。数据分析旨在揭示数据背后的意义，为决策提供支持和指导。它可以采用多种统计和计算方法，如描述性统计、推断统计、预测分析等。
数据挖掘原理与实践 第四章作业
Jessieeeeeee的博客
05-31 1万+
P147 4.2 假设数据挖掘的任务是将如下的8个点（用 (x,y) 代表位置）聚类为三个簇：A1 (2,10)，A2(2,5)，A3(8,4)，B1(5,8)，B2(7,5)，B3(6,4)，C1(1,2)，C2(4,9)。距离函数是 Euclidean 函数。假设初始我们选择 A1、B1 和 C1 为每个簇的中心，用 k-means 算法来给出。 (1) 在第一次循环执行后的三个簇中心。 (2) 最后的三个簇中心及簇包含的对象。 Euclidean 为欧式距离，该距离公式如下： 初始选择A1、B1和C
Python数据挖掘与可视化
热门推荐
herosunly的博客
10-24 4万+
Python数据挖掘：入门进阶与实用案例分析， 本案例将主要结合自动售货机的实际情况，对销售的历史数据进行处理，利用pyecharts库、Matplotlib库进行可视化分析，并对未来4周商品的销售额进行预测，从而为企业制定相应的自动售货机市场需求分析及销售建议提供参考依据。
数据挖掘：原理与实践（基础篇）（进阶篇）
互动出版网
12-23 2174
结合复杂多样的实际数据环境，探讨数据挖掘的使用场景和使用方法 《数据挖掘：原理与实践》理论联系实际，讲述数据挖据理论、技术及应用的教材。研讨了数据挖掘的方方面面，从基础理论到复杂数据类型及其应用。不仅讨论传统的数据挖掘问题，而且介绍了高级数据类型，例如文本、时间序列、离散序列、空间数据、图数据和社会网络。《数据挖掘：原理与实践》由基础篇和进阶篇组成。基础篇对应原书的第1～11章，进阶篇对应原书的第12～20章。 基础章节：数据挖掘主要有四个“超级问题”，即聚类、分类、关联模式挖掘和异常分析，它们的重要性
数据仓库与数据挖掘
01-09 6362
数据仓库与数据挖掘 第一章：数据仓库和数据挖掘概述 1.1 数据仓库的产生 数据仓库与数据挖掘： 数据仓库和联机分析处理技术(存储)。 数据挖掘：在大量的数据中心挖掘感兴趣的知识、规则、规律、模式、约束(分析)。 数据仓库用于决策分析： 数据仓库：是在数据库已经大量存在的情况下，为了进一步挖掘数据资源、为了决策需要而产生的，并不是‘大型数据库’。 数据仓库与数据库的区别： 数据库 数据仓库 事务处理 决策分析 保持事务处理的当前状态 保存过去和当前的数据 大量数据库
二、数据挖掘应用的分类
quanhujing的专栏
08-08 2471
前言： 由于数据挖掘能分析出数据中的有用信息，给企业带来显著的经济效益，这使得数据挖掘技术越来越普及。例如在销售数据中发掘客户的消费习惯，并从交易记录中找出顾客偏好的产品组合，其他包括找出流失顾客的特征与突出新产品的时机点等都是零售业常见的实例；利用数据挖掘分析顾客群的消费行为与交易记录，结合基本数据，并依据对品牌价值等级的高低来区隔客户，进而达到差异化营销的目的；制造业对数据挖掘的需求多运用在品质管控方面，从制造过程中找出影响产品品质最重要的因素，已期提高作业流程的效率。 近几年、电话公司、信用卡公司
数据挖掘原理与应用
11-03
《数据挖掘原理与应用:SQL Server 2005数据库》作为一本专家级指南，全面介绍了SQL Server 2005中数据挖掘功能，并对这些功能的应用作了较为详尽的讲述。
数据挖掘原理与实践课后习题答案解析
11-09
### 数据挖掘原理与实践课后习题答案解析 #### 1.1 数据挖掘处理的对象有哪些？请从实际生活中举出至少三种。 数据挖掘处理的对象主要包括某一专业领域内积累的数据，这些数据可以来源于社会科学、自然科学、卫星...
数据挖掘原理与算法
12-07
讲了数据挖掘原理和算法，有监督学习与无监督学习，机器学习及深度学习
数据挖掘原理与算法02知识发现过程与应用结构.ppt
12-27
"数据挖掘原理与算法02知识发现过程与应用结构" 本章内容主要介绍了知识发现的基本过程、KDD处理模型、KDD系统的应用结构、知识发现软件和工具的发展、KDD系统项目的过程化管理等知识点。 知识发现是一个系统化的...
数据挖掘原理、方法及其应用.pptx
10-21
数据挖掘原理、方法及其应用 数据挖掘是一种强大的数据分析工具，已经在商业、科技、社会等多个领域取得了显著的成果。本资源将深入探讨数据挖掘的原理、方法及其应用，帮助读者更好地了解这一热门技术。 一、数据...
实践甘肃数据挖掘挑战赛作物与杂草的智能识别，基于YOLOv7全系列【tiny/l/x】参数模型开发构建田间低头作物杂草智能化检测识别模型
Together_CZ的博客
10-18 507
实践甘肃数据挖掘挑战赛作物与杂草的智能识别，基于YOLOv7全系列【tiny/l/x】参数模型开发构建田间低头作物杂草智能化检测识别模型
MATLAB实现基于SVM-RFE-BP多输入单输出回归预测（含完整的程序和代码详解）
10-18
内容概要：本文介绍了使用 MATLAB 实现基于支持向量机（SVM）、递归特征消除（RFE）和反向传播（BP）神经网络的多输入单输出回归预测模型。项目特点包括特征选择、BP神经网络建模、用户友好界面、模型评估机制以及超参数调整。文章详细描述了数据预处理、特征选择、模型训练、评估和可视化的步骤，并提供相应的 MATLAB 代码。 适合人群：具有一定编程基础的科研人员和工程技术人员，特别是从事数据科学、机器学习领域的研究人员。 使用场景及目标：适用于金融预测、疾病预测、工业生产监控和生态环境监测等领域，目的是提高数据预测的准确性。通过项目实战，学习特征选择和神经网络建模的技术细节。 其他说明：文中提到的相关代码示例和实现步骤可直接应用于实际项目中，有助于快速搭建高效的预测模型。同时，通过调整超参数和特征选择方法，可以进一步优化模型的性能。
rhino grasshoper 景观椅（附视频）.gh
最新发布
10-18
【rhino@grasshoper 曲线金属座椅景观案例（文件获取/见简介）】https://www.bilibili.com/video/BV1Dx4y147Lr?vd_source=b420114c993138474d2e93d83ead77a5
基于vercel的无服务器服务，将Spark认知模型连接到微信公众号_Spark微信vercel.zip
10-18
基于vercel的无服务器服务，将Spark认知模型连接到微信公众号_Spark微信vercel
数据挖掘原理与应用步骤解析
数据挖掘的应用实例：数据挖掘可以应用于各种行业和领域，例如某经营公司对多年来的客户资料进行挖掘后发现，大多数购买电脑的客户具有某些特点，基于此，此经营公司可以根据这些客户的特点有目的的做一些广告或者...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值