建模方法学习2，数据挖掘(1)

百年孤独

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。
: P" h% B8 f6 a! x$ d' s$ }
5 s) }) g7 n+ u4 r+ |9 F+ E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
4 u2 [" e. V, A5 \( b1)数据挖掘能做以下七种不同事情　　（分析方法）： 　　
3 ^7 n  ?' W$ s8 F+ k数据挖掘
' H; h+ V2 ~5 V: b7 r0 h2 t  ~" {3 ]· 分类 （Classification） 　　
6 E- ^1 S6 B3 j5 T# C- ^· 估计（Estimation） 　　
, c( @. o5 r! f$ h2 `! g· 预测（Prediction） 　　
· 相关性分组或关联规则（Affinity grouping or association rules） 　　
7 ?% i4 {3 y# c4 }0 R4 O! I· 聚类（Clustering） 　　
· 描述和可视化（Description and Visualization） 　　
2 m0 m' j" V- j( T' ~! Y5 A6 O* W) C· 复杂数据类型挖掘(Text, Web ,图形图像，视频，音频等)
9 I  d, o2 _0 C, \6 @2)数据挖掘分类　　
* v, Y6 d1 ^, R8 j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 　　
· 直接数据挖掘 　　
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。 　　
( a" F# t, W: i, ~+ X· 间接数据挖掘 　　
2 ?0 H8 J4 j: b0 J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 。 　　
· 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
0 l5 y- k$ K+ C! K; v

data-science

为了知识，为了体力~~

千寻百步

7 D% c# M) m4 G为了知识，为了体力~~1 c#