数学建模社区-数学中国
标题:
建模方法学习2，数据挖掘(1)
[打印本页]
作者:
百年孤独
时间:
2016-3-22 16:42
标题:
建模方法学习2，数据挖掘(1)
数据挖掘利用了来自如下一些领域的思想：(1) 来自统计学的抽样、估计和假设检验，(2) 人工智能、模式识别和机器学习的搜索算法、建模技术和学习理论。数据挖掘也迅速地接纳了来自其他领域的思想，这些领域包括最优化、进化计算、信息论、信号处理、可视化和信息检索。一些其他领域也起到重要的支撑作用。特别地，需要数据库系统提供有效的存储、索引和查询处理支持。源于高性能（并行）计算的技术在处理海量数据集方面常常是重要的。分布式技术也能帮助处理海量数据，并且当数据不能集中到一起处理时更是至关重要。
4 K9 n+ g% C( i/ M
! z- ~" {5 H/ V( `$ q2 r
看得出来该方法与遗传算法的联系，完全可以考虑在两者之间建立一些联系
) q" r3 t7 |/ R- x
1)数据挖掘能做以下七种不同事情
（分析方法）：
& j. l- \. o! e Z k
数据挖掘
" B' i. ]! f" \( J) r3 n+ b
· 分类 （Classification）
! _; h G. z) n# W' `
· 估计（Estimation）
4 G) m$ @! k& T8 |1 o2 d. D4 m
· 预测（Prediction）
5 g* s) w* H" g2 Z4 y# R
· 相关性分组或关联规则（Affinity grouping or association rules）
+ d) m% g1 L& `7 Z
· 聚类（Clustering）
. z& X( |3 l3 i' H! D. g6 W/ _
· 描述和可视化（Description and Visualization）
, u8 }. `# [! V; k8 ^ m8 R
· 复杂数据类型挖掘(Text, Web ,图形图像，视频，音频等)
# V1 D( h' ^8 w/ b: j7 B& K
2)数据挖掘分类
; U- |. H+ D: X: Y
以上七种数据挖掘的分析方法可以分为两类：直接数据挖掘；间接数据挖掘
1 K& w3 W# p2 ]( S0 T6 }. v2 B* [
· 直接数据挖掘
% D$ I7 p0 ~9 w. U$ d
目标是利用可用的数据建立一个模型，这个模型对剩余的数据，对一个特定的变量（可以理解成数据库中表的属性，即列）进行描述。
, L5 v' c& g3 z* g
· 间接数据挖掘
- m: _' X9 t' V( u9 K0 Q+ z- I
目标中没有选出某一具体的变量，用模型进行描述；而是在所有的变量中建立起某种关系 。
; s" K# _8 T$ q, I& K
· 分类、估值、预言属于直接数据挖掘；后四种属于间接数据挖掘
$ p9 T; f% x, S3 s' n9 S
作者:
data-science
时间:
2016-3-24 11:07
为了知识，为了体力~~
) N+ V, Z% I/ p& W9 ~+ R; w
作者:
千寻百步
时间:
2016-3-25 23:16
+ R* r8 \: M9 R9 U+ j
为了知识，为了体力~~1 c#
5 |* S% m8 L' B# y* z
欢迎光临 数学建模社区-数学中国 (http://www.madio.net/)
Powered by Discuz! X2.5