- 在线时间
- 2759 小时
- 最后登录
- 2017-9-15
- 注册时间
- 2011-4-3
- 听众数
- 537
- 收听数
- 4
- 能力
- 80 分
- 体力
- 1750 点
- 威望
- 27 点
- 阅读权限
- 150
- 积分
- 5986
- 相册
- 0
- 日志
- 0
- 记录
- 5
- 帖子
- 6676
- 主题
- 3503
- 精华
- 8
- 分享
- 6
- 好友
- 1721
TA的每日心情 | 开心 2017-2-7 15:12 |
---|
签到天数: 691 天 [LV.9]以坛为家II
群组: 2013年国赛赛前培训 群组: 2014年地区赛数学建模 群组: 数学中国第二期SAS培训 群组: 物联网工程师考试 群组: 2013年美赛优秀论文解 |
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 R9 O0 W0 Q r5 C: f* ?
+ N( X6 R4 }' e$ w' t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! p1 x: F: C1 K
1)数据挖掘能做以下七种不同事情 (分析方法): * p! h9 y$ T2 {! K, ^* A- c
数据挖掘
' B; o5 J; N6 v( ~3 X& p· 分类 (Classification) 8 h' h: F& G( \
· 估计(Estimation)
* K" s% W; k1 x, F- }% ]- A· 预测(Prediction)
: M7 J. d2 ~! _' H9 q· 相关性分组或关联规则(Affinity grouping or association rules) ( W; n7 h4 E: R' Z
· 聚类(Clustering)
6 s/ `, I Z+ a" m9 q· 描述和可视化(Description and Visualization)
# U8 I( J" B( K& K7 H: S* r· 复杂数据类型挖掘(Text, Web ,图形图像,视频,音频等)5 f$ n5 U, y' E( |1 `$ ?( c
2)数据挖掘分类 ( {) C+ b" J4 o2 i' c6 H6 e
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 F! d% O+ f' s k% P! o' [3 `/ e" @
· 直接数据挖掘
' _# K2 |- f$ V+ i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。
8 ]2 @* G) C9 A+ G( I· 间接数据挖掘
2 ~3 s( O6 E3 _$ _% c3 f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 。 2 b! ?7 z3 G/ a' A2 @1 b
· 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4 C6 \9 X. g2 I4 H8 w# R! j
|
zan
|