- 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。
( q, `2 @3 m2 T' L
, J" u5 c+ T5 ~7 _$ C3 E0 ^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! W* i' V3 {4 S J2 `
1)数据挖掘能做以下七种不同事情 (分析方法):
& T* H2 v- G& T! ~7 H数据挖掘
& z1 \( m2 v6 z4 c· 分类 (Classification)
( g+ g& i- o# L' p) Y· 估计(Estimation) - [- s6 Y, ^! ~ W6 T5 a$ C1 p
· 预测(Prediction) " k6 s0 P7 J) P1 Q( o! s
· 相关性分组或关联规则(Affinity grouping or association rules)
7 }5 I) e* s5 h+ j& D- j7 @2 ]· 聚类(Clustering) 7 o# y* m1 o: h6 a% ?" f
· 描述和可视化(Description and Visualization)
& U3 Z: j2 H% S; z+ Z· 复杂数据类型挖掘(Text, Web ,图形图像,视频,音频等)
5 m1 B; u" I |8 j- N& J2)数据挖掘分类 " x- N; V5 n0 w7 e' g
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
5 b8 N0 q* ?# W· 直接数据挖掘
* C- P# E+ I3 g, 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。 0 A) c2 q' _3 c
· 间接数据挖掘
% Q' a |2 w1 C1 H( x9 x8 b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 。
6 I& N6 [+ }% U* }5 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) l P8 ?: `& \
|
zan
|