- 在线时间
- 2759 小时
- 最后登录
- 2017-9-15
- 注册时间
- 2011-4-3
- 听众数
- 538
- 收听数
- 4
- 能力
- 80 分
- 体力
- 1764 点
- 威望
- 27 点
- 阅读权限
- 150
- 积分
- 5990
- 相册
- 0
- 日志
- 0
- 记录
- 5
- 帖子
- 6675
- 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。
/ x# t- E* ^$ o: m4 \/ q' n A- A! p) f7 r# ?4 D
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7 _, b, {9 V. G s
1)数据挖掘能做以下七种不同事情 (分析方法):
; |' M; y5 q. |, b9 ?数据挖掘
+ e8 q/ w: Z0 j% q· 分类 (Classification) * ~+ ~+ G! x9 `& \3 X& Y
· 估计(Estimation)
4 C0 E) A# M/ j& ~$ m. n& A· 预测(Prediction) : [8 h! r1 c+ `
· 相关性分组或关联规则(Affinity grouping or association rules) ) H8 x# {* F8 d! v& G" F
· 聚类(Clustering) ' I* [, E0 F2 ?, u* l
· 描述和可视化(Description and Visualization)
* v! |5 Y+ t% K· 复杂数据类型挖掘(Text, Web ,图形图像,视频,音频等)
3 R1 x" P: ~, b2)数据挖掘分类
+ V6 S4 D5 `& N/ 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
9 Y: r( J/ ~0 ?! C: }: `; r, [· 直接数据挖掘
& Z, h9 X2 a8 g2 F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。 ( t' i- `1 ^- W! b3 H0 `: O
· 间接数据挖掘
, j7 w7 T4 Q7 V8 Y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 。 $ u# X4 Z$ \1 \! _, g$ r; d
· 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
+ o) g: K4 W2 F; y+ e |
zan
|