欢迎大家赞助一杯啤酒🍺 我们准备了下酒菜：Formal mathematics/Isabelle/ML, Formal verification/Coq/ACL2, C++/F#/Lisp
Data mining
来自开放百科 - 灰狐
（版本间的差异）
小 (→Links) |
小 |
||
| 第1行： | 第1行： | ||
{{SeeWikipedia}} | {{SeeWikipedia}} | ||
| + | |||
| + | data mining 数据挖掘 | ||
数据挖掘是从大量数据中寻找其规律的技术，主要有数据准备、规律寻找和规律表示三个步骤。数据准备是从各种数据源中选取和集成用于数据挖掘的数据；规律寻找是用某种方法将数据中的规律找出来；规律表示是用尽可能符合用户习惯的方式（如可视化）将找出的数据呈现出来。 | 数据挖掘是从大量数据中寻找其规律的技术，主要有数据准备、规律寻找和规律表示三个步骤。数据准备是从各种数据源中选取和集成用于数据挖掘的数据；规律寻找是用某种方法将数据中的规律找出来；规律表示是用尽可能符合用户习惯的方式（如可视化）将找出的数据呈现出来。 | ||
| − | == | + | ==项目== |
| − | *[[ | + | *[[weka]] |
*[[QuickMiner]] | *[[QuickMiner]] | ||
| + | |||
| + | ==10种分析方法== | ||
| + | 数据挖掘的十种分析方法： | ||
| + | *记忆基础推理法 | ||
| + | *市场购物篮分析 | ||
| + | *决策树（Decision Trees） | ||
| + | *基因算法（Genetic Algorithm） | ||
| + | *群集侦测技术 | ||
| + | *连结分析（Link Analysis） | ||
| + | *在线分析处理（OLAP） | ||
| + | *类神经网络（Neural Networks） | ||
| + | *区别分析 | ||
| + | *罗吉斯回归分析 | ||
| + | 详细内容见大图 | ||
| + | |||
| + | ==文档== | ||
| + | *[http://docs.huihoo.com/data-mining/concepts-and-techniques/3rd/slides/ Data Mining: Concepts and Techniques, 3rd ed 幻灯片PPT] | ||
| + | *[http://docs.huihoo.com/data-mining/concepts-and-techniques/2nd/slides/ Data Mining: Concepts and Techniques, 2nd ed 幻灯片PPT] | ||
| + | |||
| + | ==专题== | ||
| + | 在大数据时代，描述性的数据分析已经无法满足业务的需求，数据预测分析技术正成为商业智能发展的新方向。本系列将为您介绍预测分析技术的总体概述，预测分析的数学算法，预测解决方案的构建过程以及部署等方面的内容。 | ||
| + | *[http://www.ibm.com/developerworks/cn/data/library/ba/ba-predictive-analytics1/index.html 预测未来，第 1 部分: 什么是预测分析？] | ||
| + | *[http://www.ibm.com/developerworks/cn/data/library/ba/ba-predictive-analytics2/index.html 预测未来，第 2 部分: 预测建模技术] | ||
| + | *[http://www.ibm.com/developerworks/cn/data/library/ba/ba-predictive-analytics3/index.html 预测未来，第 3 部分: 创建一个预测解决方案] | ||
| + | *[http://www.ibm.com/developerworks/cn/data/library/ba/ba-predictive-analytics4/index.html 预测未来，第 4 部分: 预测解决方案的实际应用] | ||
| + | |||
| + | ==图集== | ||
| + | <gallery> | ||
| + | Image:data-mining-confluence-of-multiple-disciplines.png|吸纳多领域技术 | ||
| + | image:data-mining-10-method.jpg|10种分析方法 | ||
| + | </gallery> | ||
| + | |||
==商业厂商== | ==商业厂商== | ||
top eight data-mining software vendors in 2008 published in a Gartner study. | top eight data-mining software vendors in 2008 published in a Gartner study. | ||
| 第16行： | 第50行： | ||
* Unica | * Unica | ||
* Viscovery | * Viscovery | ||
| − | == | + | |
| + | ==链接== | ||
*http://datamining.typepad.com/ | *http://datamining.typepad.com/ | ||
| + | [[category:data mining]] | ||
[[category:business intelligence]] | [[category:business intelligence]] | ||
2013年3月2日 (六) 16:36的版本
|
您可以在Wikipedia上了解到此条目的英文信息 Data mining Thanks, Wikipedia. |
data mining 数据挖掘
数据挖掘是从大量数据中寻找其规律的技术，主要有数据准备、规律寻找和规律表示三个步骤。数据准备是从各种数据源中选取和集成用于数据挖掘的数据；规律寻找是用某种方法将数据中的规律找出来；规律表示是用尽可能符合用户习惯的方式（如可视化）将找出的数据呈现出来。
目录 |
项目
10种分析方法
数据挖掘的十种分析方法：
- 记忆基础推理法
- 市场购物篮分析
- 决策树（Decision Trees）
- 基因算法（Genetic Algorithm）
- 群集侦测技术
- 连结分析（Link Analysis）
- 在线分析处理（OLAP）
- 类神经网络（Neural Networks）
- 区别分析
- 罗吉斯回归分析
详细内容见大图
文档
- Data Mining: Concepts and Techniques, 3rd ed 幻灯片PPT
- Data Mining: Concepts and Techniques, 2nd ed 幻灯片PPT
专题
在大数据时代，描述性的数据分析已经无法满足业务的需求，数据预测分析技术正成为商业智能发展的新方向。本系列将为您介绍预测分析技术的总体概述，预测分析的数学算法，预测解决方案的构建过程以及部署等方面的内容。
图集
吸纳多领域技术
10种分析方法
商业厂商
top eight data-mining software vendors in 2008 published in a Gartner study.
- Angoss Software
- Infor CRM Epiphany
- Portrait Software
- SAS
- SPSS
- ThinkAnalytics
- Unica
- Viscovery
链接
分享您的观点
