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。
( 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
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） 　　
· 预测（Prediction） 　　
· 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） 　　
· 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　　
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。 　　
· 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

data-science

为了知识，为了体力~~

千寻百步

为了知识，为了体力~~1 c#
2 b6 Y$ ]% F8 r4 w