思数云：数据挖掘的数据中“挖掘”有趣知识

数据挖掘(Data Mining)，就是从大量数据中获取有效的、新颖的、潜在有用的、最终可理解的模式的非平凡过程。数据挖掘的广义观点：数据挖掘就是从存放在数据库，数据仓库或其他信息库中的大量的数据中“挖掘”有趣知识的过程。

知识发现过程以下步骤组成：

（1）数据清理，（2）数据集成，（3）数据选择，（4）数据变换，（5）数据挖掘，（6）模式评估，（7）知识表示。

数据挖掘算法：

C4.5算法是机器学习算法中的一种分类决策树算法,其核心算法是ID3算法.  C4.5算法继承了ID3算法的优点.

k-means algorithm算法是一个聚类算法，把n的对象根据他们的属性分为k个分割，k < n。它与处理混合正态分布的最大期望算法很相似，因为他们都试图找到数据中自然聚类的中心。它假设对象属性来自于空间向量，并且目标是使各个群组内部的均 方误差总和最小。

Support Vector Machine，简称SV机。它是一种監督式學習的方法，它广泛的应用于统计分类以及回归分析中。

Apriori算法是一种最有影响的挖掘布尔关联规则频繁项集的算法。其核心是基于两阶段频集思想的递推算法。

最大期望（EM，Expectation–Maximization）算法是在概率（probabilistic）模型中寻找参数最大似然 估计的算法，其中概率模型依赖于无法观测的隐藏变量（Latent Variabl）。

PageRank是Google算法的重要内容。PageRank根据网站的外部链接和内部链接的数量和质量俩衡量网站的价值。

Adaboost是一种迭代算法，其核心思想是针对同一个训练集训练不同的分类器(弱分类器)，然后把这些弱分类器集合起来，构成一个更强的最终分类器 (强分类器)。

K最近邻(k-Nearest Neighbor，KNN)分类算法，是一个理论上比较成熟的方法，也是最简单的机器学习算法之一。

在众多的分类模型中，应用最为广泛的两种分类模型是决策树模型(Decision Tree Model)和朴素贝叶斯模型（Naive Bayesian Model，NBC）。 朴素贝叶斯模型发源于古典数学理论，有着坚实的数学基础，以 及稳定的分类效率。

CART, Classification and Regression Trees。 在分类树下面有两个关键的思想。第一个是关于递归地划分自变量空间的想法；第二个想法是用验证数据进行剪枝。

数据挖掘，本质上是一种决策支持过程，主要基于人工智能、机器学习、统计学等技术，利用各种分析工具，从大量的、不完全的、有噪声的、模糊的、随机的实际应用数据中高度自动化地提取隐含在其中却非常有用的信息、模式(规则)和趋势，并对数据进行标准化、抽象化、规范化分类、分析，从中挖掘出潜在的模式，做出归纳性的推理，从而帮助企业决策层调整市场策略，做出正确经营决策，减少经营风险。

　　目前DM在很多行业都有较好的应用，在国外DM已广泛应用于金融、零售与批发、制造、保险、公共设施、政府、教育等各个企事业单位。

数据为王的时代    你准备好了吗？

思数云计算和大数据服务中心http://www.bihadoop.com

携手阿里、百度、高德、TX、蓝汛等知名企业。

精心打造五人精品Hadoop大数据培训班 培养市场急需高薪人才。

1 基于Hadoop和大数据实战经验自主研发的培训教材和课件

2 提供认证考试资格以及多种职业资格证书

3 来自知名企业且有多年Hadoop实际研发经验的讲师和技术顾问团队

4 熟悉银行、保险、电信、互联网、零售、公安等行业大数据处理应用

5 精通商品推荐、广告营销、海量存储、全文检索、舆情分析等大数据应用场景

6 与众多互联网和IT知名企业合作，提供职业发展咨询和高薪就业机会

7 可定制的、灵活的企业内训；小班面授培训

新时代，新挑战，新机遇，欢迎登陆www.bihadoop.com竭诚为您服务！

或致电：13716759158      耿老师