Data mining

2018年4月14日 (六) 03:44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。

简介

机器学习和数据库是数据挖掘的两大支撑。

理论

项目

• Orange
• R Project
• Apache Kylin
• weka
• QuickMiner
• ScalaNLP
• 商业软件：SPSS

工作流

一个通用数据挖掘工作流包含以下步骤：

• Loading the data.
• Preprocessing, analyzing, and filtering the input data.
• Discovering patterns, affinities, clusters, and classes.
• Selecting the model features and the appropriate machine learning algorithm(s).
• Refining and validating the model.
• Improving the computational performance of the implementation.

以上信息来源《Scala for Machine Learning》

数据预处理

• Pentaho Data Preparation Starter Ki
• Market Guide for Self-Service Data Preparation
• Improving Data Preparation for Business Analytics

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
• Predictive Analytics with Oracle Data Mining

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。

• 预测未来，第 1 部分: 什么是预测分析？
• 预测未来，第 2 部分: 预测建模技术
• 预测未来，第 3 部分: 创建一个预测解决方案
• 预测未来，第 4 部分: 预测解决方案的实际应用

课程

• 数据挖掘：理论与算法 最有趣的理论+最有用的算法=不得不学的数据科学。

讲义下载：

• 1. 走进数据科学：博大精深，美不胜收
• 2. 数据预处理：抽丝剥茧，去伪存真
• 3. 从贝叶斯到决策树：意料之外，情理之中
• 4. 神经网络：巨量并行，智慧无限
• 5. 支持向量机：数学之美，巅峰之作
• 6. 聚类分析：物以类聚，人以群分
• 7. 关联规则：营销购物，自有乾坤
• 8. 推荐算法：察言观色，投其所好
• 9. 集成学习：兼听则明，偏听则暗
• A. 进化计算：大道至简，万物之本

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

图集

• 

  吸纳多领域技术

• 

  10种分析方法

• 

  Orange

• 

  跨领域跨学科

• 

  无所不在

• 

  从数据到智能

• 

  数据预处理

• 

  数据集成工具魔力象限

链接

• http://datamining.typepad.com/