- 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。
# d; k+ d- S% \* r5 R
3 ?' T) Z+ x* i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; q1 p& h3 `6 d; B! u
1)数据挖掘能做以下七种不同事情 (分析方法):
! A. v+ z& z- f/ [数据挖掘
8 V3 b; g0 V! g& s8 L, C# e* W9 g/ h· 分类 (Classification) 6 |, R; p: O$ M; |
· 估计(Estimation) % m5 J" C# p3 n: Q2 L& o0 Z
· 预测(Prediction)
, }2 N+ y, f4 g. z2 ]5 K· 相关性分组或关联规则(Affinity grouping or association rules) % N3 C3 v8 g1 A |( y: r8 [- q3 u: t
· 聚类(Clustering) 8 B% Y- B, G8 h1 f, _7 Y
· 描述和可视化(Description and Visualization)
! u8 T$ l Q' X8 A# Y, B· 复杂数据类型挖掘(Text, Web ,图形图像,视频,音频等)
9 [ k- J9 ]) ?2 L1 X2 {2)数据挖掘分类
* F* N) J8 Y8 C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
# i+ h6 y7 ?& `) i& ]$ T· 直接数据挖掘 ( w) ~3 m* w7 T& O* T3 L( s$ w
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。
$ t1 R# o/ ^6 k# F3 _- L· 间接数据挖掘
' S; {, y0 F# X+ I* 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 。
4 X. P4 n7 F) n' i' a. C' \· 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
2 \+ ]! m( \/ Z) { |
zan
|