数据挖掘导论

探索数据的奥秘：一份深入浅出的数据分析入门指南

ScipyandNumpyPythonforDataAnalysisBadDataHandbook集体智慧编程MachineLearninginAction机器学习实战BuildingMachineLearningSystemswithPython数据挖掘导论
uncle_ll·2024-01-17 05:22

一个月读完6本书？这些烧脑神书，你能读完1本，就是学霸！

1数据挖掘导论（原书第2版）
大数据v·2024-01-06 11:05

《数据挖掘导论》学习 | 第九章 聚类分析：其他问题与算法

目录第九章聚类分析：其他问题与算法数据、簇和聚类算法的特性比较K均值和DBSCAN数据特性簇特性聚类算法的一般特性基于原型的聚类模糊聚类使用混合模型的聚类自组织映射基于密度的聚类基于网格的聚类子空间聚类基于图的聚类稀疏化最小生成树聚类OPOSSUM：使用METIS的稀疏相似度最优划分Chameleon：使用动态建模的层次聚类共享最近邻相似度Jarvis-Patrick聚类算法SNN密度可伸缩的聚类
蕴玉山辉，怀珠川媚·2023-10-02 15:49

数据挖掘导论 第4章 分类：基本概念、决策树与模型评估

第4章分类：基本概念、决策树与模型评估分类（classification）：分类任务就是通过学习得到一个目标函数（targetfunction）f，把每个属性集x映射到一个余弦定义的类标号y。目标函数也称为分类模型（classificationmodel）。属性可以是离散的或者连续的，但类标号必须是离散的，这正是分类与回归（regression）的关键特征。回归是一种预测建模任务，其中目标属性y是
??yy·2023-09-20 05:31

数据挖掘导论课后习题答案-第一章

IntroductionDiscusswhetherornoteachofthefollowingactivitiesisadataminingtask.(a)Dividingthecustomersofacompanyaccordingtotheirgender.No.Thisisasimpledatabasequery.(b)Dividingthecustomersofacompanyacco
洋子_·2023-09-20 02:52

数据挖掘导论学习笔记（四）

第五章分类：其他技术基于规则的分类器：每一个分类规则可以表示为如下形式：ri:(条件i)---->yi规则：(条件i)规则前件或前提：规则左边规则后件：规则右边，包含预测类yi分类规则的质量衡量：给定数据集D和分类规则r:A---->y（1）覆盖率：D中触发规则r的记录所占比例（2）准群率或置信因子：触发r的记录中类标号等于y的记录所占比例。基于规则的分类器的工作原理：确保分类器能对记录做出可靠的
进阶中的程序猿·2023-09-03 05:41

《数据挖掘导论》学习笔记：第1-2章

本文转载自：https://blog.csdn.net/u013232035/article/details/48281659本文主要是在学习《数据挖掘导论（完整版）》中的学习笔记，主要用来梳理思路，并没有多少思考
bakalaka·2023-09-03 05:40

《数据挖掘导论》归纳笔记

目录第一章绪论第二章数据2.0引言2.0.1数据类型2.0.2数据的质量2.0.3使数据适合挖掘的预处理步骤2.0.4根据数据联系分析数据2.1数据类型2.1.1属性与度量2.1.2数据集的类型2.2数据质量2.2.1测量和数据收集问题2.2.2关于应用的问题2.3数据预处理2.3.1聚集2.3.2抽样2.3.3维归约2.3.4特征子集选择2.3.5特征创建2.3.6离散化和二元化2.3.7变量变
oh panda·2023-09-03 05:39

《数据挖掘导论》学习笔记

写在前面：粗体字为书中定义，红色字体为笔者认为的重点词。【第一章：绪论】1.数据挖掘：在大型数据存储库中，自动地发现有用信息的过程。2.数据预处理步骤：融合来自多个数据源的数据，清洗数据以及消除噪声和重复的观测值，选择与当前数据挖掘任务相关的记录和特征。3.数据挖掘要解决的问题：可伸缩，高维性，异种数据和复杂数据，数据的所有权和分布，非传统的分析。4.数据挖掘任务：预测任务，描述任务。四种主要数据
小乖的晴天·2023-09-03 05:38

《数据挖掘导论》学习笔记（第1-2章）

《数据挖掘导论》学习笔记（第1-2章）转载：《数据挖掘导论》学习笔记（第1-2章）——Wr_Ran第1章绪论1.1什么是数据挖掘KDD：KnowledgeDiscoveryinDatabase过程如下：
schdut·2023-09-03 05:08

数据挖掘导论学习笔记 第六章 关联分析：基本概念和算法

6.1问题定义关联分析(associationanalysis)用于发现隐藏在大型数据集中有意义的联系，所发现的联系可以用关联规则或者频繁项集的形式表示项集和支持度计数以购物篮数据集为例TID面包牛奶尿布…1110…2101……5111…令I={i1,i2,…,id}I=\{i_1,i_2,\ldots,i_d\}I={i1,i2,…,id}表示所有项的集合，T={t1,…,tN}T=\{t_1,
李烟云·2023-09-03 05:36

数据挖掘导论学习笔记1（第1 、2章）

spm=1001.2014.3001.5506和《数据挖掘导论》学习笔记（第1-2章）_时机性样本_schdut的博客-CSDN博客第1章绪论数据挖掘是一种技术，它将传统的数据分析方法与处理大量数据的复杂算法相结合
蔬菜院院长·2023-09-03 05:33

数据挖掘导论 N个考试常用的问题

目录第一章认识数据挖掘1、什么是数据中“隐含”的信息2、数据挖掘主要研究什么内容？它和数据库、数据查询、专家系统、数理统计有什么不同？3、辨析：数据、信息、知识4、有指导和无指导学习的联系和区别是什么5、如何理解数据挖掘的不同角度的定义6、数据挖掘与专家系统的联系和区别是什么？7、数据挖掘工作的基本流程是什么？8、数据挖掘的作用作业1第二章基本数据挖掘技术1、决策树算法的关键技术2、选择最能区别数
山野行者syh·2023-08-14 05:28

数据挖掘导论——支持向量机

明天就要讲课了，总觉得，还是拿代码说事儿，最靠谱，最有说服力https://scikit-learn.org/stable/modules/generated/sklearn.svm.SVC.html经常用到sklearn中的SVC函数，这里把文档中的参数翻译了一些，以备不时之需。本身这个函数也是基于libsvm实现的，所以在参数设置上有很多相似的地方。（PS:libsvm中的二次规划问题的解决算
PolarBearWYY·2023-04-01 12:22

推荐算法-协同过滤1 概述

用户行为用户行为举例当当网浏览“”数据挖掘导论“，推荐“还买过”web数据挖掘用户行为的提取从日志中挖掘会话日志->记录查询+返回结果+点击。
limus·2023-03-23 03:23

《数据挖掘导论》CH4分类：基本概念、决策树与模型评估-读书笔记

分类任务就是确定对象属于哪个预定义的目标类（店铺病历表，款式判断）4.1预备知识分类计数非常适合预测或描述二元或标称类型的数据集，但是分类技术不考虑隐含的序数关系。4.2解决分类问题的一般方法（方法论）P91（图4-3）分类技术是一种根据输入数据集建立分类模型的系统方法。分类法包括：决策树分类法，基于规则的分类法，神经网络，支持向量机和朴素贝叶斯分类法。分类模型能够很好的拟合输入数据中类标号和属性
Schnell·2023-03-22 11:17

在数据分析、挖掘方面，有哪些好书值得推荐？

StatisticsforBusinessandEconomics-商务与经济统计PythonforDataAnalysis-利用Python进行数据分析IntroductiontoDataMining-数据挖掘导论如果你是学
python大数据分析·2023-03-21 13:01

《数据挖掘导论》CH3探索数据-读书笔记

3.2数据汇总频率，众数，百分位数，位置度量（均值和中位数），散布度量（极差和方差），多元汇总统计（相关矩阵）3.3可视化3.4OLAP和多维数据分析创建按月和按产品类别描述特定地点的销售活动汇总3.4.2多维数据：一般情况3.4.3分析多维数据1.数据立方体：计算聚集量从多维角度看待数据的主要动机就是需要以多种方式聚集数据2.维归约和转轴聚集可以认为是一种降维-转轴-切片和切块-****上卷和下
Schnell·2023-03-15 21:12

《数据挖掘导论》CH5.3贝叶斯分类器

背景：属性集和类变量之间的关系是不确定的，其一，噪声数据的干扰；其二，出现某些影响分类的因素没有包含在属性集中。因此，出现一种对属性集和类变量的概率关系建模的方法。贝叶斯定理是把类的先验知识和从数据中收集的新证据相结合的统计原理。它可以通过先验概率、类条件概率和证据来表示后验概率。（5-11）对于类条件概率的估算有两种方法：5.3.3朴素贝叶斯分类器1.前提：条件独立性：属性集的属性（条件）与类之
Schnell·2023-03-10 00:13

数据挖掘导论 笔记3

给定一个无序的、分类的值的集合，为了进一步刻画值的性质，除计算特定数据集中每个值出现的频率外没有多少的事情可做。给定一个在{1,…Vi,…Vk}.上取值的分类属性x和m个对象的集合，值vi的频率定义为:分类属性的众数(mode)是具有最高频率的值。百分位数对于有序数据，考虑值集的百分位数(percentile)更有意义。具体地说，给定-一个有序的或连续的属性x和0与100之间的数p，第p个百分位数
ccyyawsl·2023-02-04 11:30

hash tree在apriori算法中如何进行支持度计数 数据挖掘导论（完整版）第六章

好几天没写博客了，把之前在知乎上的一个回答搬了过来。题目链接：hashtree在apriori算法中是如何进行支持度计数？我的回答如下：基本上看懂了，所以来答一发。我认为这本书写得很好，数据挖掘入门首选。P211中图6-9就是用Hash方法枚举事务t={1,2,3,5,6}的3-项集，这个图应该很好理解。P212中图6-11其实是作者举的一个例子：此图为一个Hash树，树中结点为候选项集，树中结点
schdut·2023-02-01 18:21

推荐算法--基于物品的协同过滤算法

比如，用户A之前买过《数据挖掘导论》，该算法会根据此行为给你推荐《机器学习》，但是Ite
千寻～·2023-01-29 04:19

《数据挖掘导论》CH5.1基于规则的分类器－读书笔记(2)

5.1基于规则的分类器形式：规则-预测类if-then(和决策树区别，决策树规则有总分，规则分类是平行的，但是它俩可以转换)5.1.1原理：1.互斥规则：一条记录不能出现多个预测类，避免多个类出现的方法有：有序规则(规则按优先降序排列)和无序规则(产生多个预测类，进行加权计票)2.穷举规则：每天记录都应有预测类，不行就整一个其他类5.1.2规则的排序方案：1.基于规则排序:秩越前，越容易被解释，秩
Schnell·2023-01-26 12:48

【某航】k-means聚类t-sne可视化——数据挖掘导论

代码链接：github代码1.任务要求分析Clustering_ALS数据集，对疾病类型进行聚类分析。2.读取数据：ALS.csv2223rows×101columns3.数据分析与可视化（1）数值型数据分布统计：（data_distribute.png）对每一列数据绘制直方图(质量分布图)，它是表示数据分布情况的一种主要工具。其中y轴是密度,而不是概率。通过对每一类列数据做数据分布的统计，可以看
农夫小田·2022-12-14 19:35

学习笔记(01):以性别预测为例，谈谈数据挖掘中常见的分类算法-数据挖掘的基本流程和常见的分类算法...

（直接下载）3.数学之美（纸质版无拓展阅读）正统：1机器.数据挖掘导论2.数据挖掘
teth·2022-12-01 16:52

数据挖掘导论阅读笔记第一章：绪论

数据挖掘导论（完整版）阅读笔记--第一章了解数据挖掘一、什么是数据挖掘二、了解KDD三、数据挖掘要解决的问题（了解即可）四、数据挖掘任务了解数据挖掘一、什么是数据挖掘数据挖掘是在大型数据存储库中，自动地发现有用信息的过程
つ天然呆¹³¹⁴·2022-11-30 18:05

【数据挖掘——第一章 绪论】

本文所使用的书籍为《数据挖掘导论》第一章绪论数据挖掘是一种技术，它将传统的数据分析方法与处理大量数据的复杂算法相结合。1.1什么是数据挖掘数据挖掘是在大型数据存储库中，自动地发现有用信息的过程。
一天雪·2022-11-30 18:01

《数据挖掘导论》绪论

数据挖掘概念数据挖掘是在大型数据存储库中，自动的发现有用信息的过程，是数据库中知识发现(KDD)的一部分。数据挖掘任务预测建模：训练一个模型，使目标变量预测值与实际值之间的误差达到最小。有两类预测建模任务：分类，用于预测离散的目标变量；回归，用于预测连续的目标变量。如，根据花的特征预测花的种类。关联分析：用来发现描述数据中强关联特征的模式。如，用来发现顾客经常同时购买的商品。聚类分析：旨在发现紧密
Joutlier·2022-11-30 17:28

多元线性回归，岭回归，lasso回归（具体代码（包括调用库代码和手写代码实现）+一点点心得)

最近数据挖掘导论老师布置了一项作业，主要就是线性回归的实现，笔者之前听过吴恩达的线性回归的网课，但一直没有进行代码的实现，这次正好相对系统的整理一下，方便各位同学的学习，也希望能够对其进行优化，优化的点最后再说
Rainy maple·2022-11-29 09:41

zscore标准化步骤_z-score的标准化究竟怎么弄？

在学习「数据挖掘导论」的数据预处理时，里面谈到了变量变换，我联想到了在基因表达量分析时的常见操作，例如FPKM，TPM，CPM，log对数变换。
weixin_39713335·2022-11-25 19:28

sklearn入门&决策树在sklearn中的实现

//scikit-learn.org/stable/index.html中文翻译网址：https://sklearn.apachecn.org/docs/master/2.html算法原理推荐书籍：《数据挖掘导论
momokofly·2022-11-25 13:02

数据挖掘导论——可视化分析实验

文章目录1)商店客流量数据可视化a)数据来源（1）绘制所有便利店的10月的客流量折线图。（2）绘制每类商家10月份的日平均客流量折线图。（3）选择一个商家，统计每月的总客流量，绘制柱状图。（4）选择一个商家，统计某个月中，周一到周日的每天平均客流量，并绘制柱状图。（5）选择一个商家，绘制客流量直方图。（6）选择一个商家，绘制客流量密度图。（7）统计某个月各个类别商店总客流量占该月总客流量的比例，绘
吃饭243·2022-11-21 07:41

数据挖掘导论

数据挖掘是在大型数据库中，自动地发现有用信息的过程。用来探查大型数据库，发现先前未知的有用模式，预测未来观测接结果。并非所有的信息发现任务都是数据挖掘，上网查找个别记录只能称为信息检索(informationretrieval)数据挖掘是数据库中知识发现(knowledgediscoveryindatabase,KDD)不可缺少的一部分。整个KDD过程为：输入数据→数据预处(特征选择、维归约、规范
Zrx_·2022-11-12 09:00

在数据分析、挖掘方面，有哪些好书值得推荐？

StatisticsforBusinessandEconomics-商务与经济统计PythonforDataAnalysis-利用Python进行数据分析IntroductiontoDataMining-数据挖掘导论如果你是学
「已注销」·2022-10-10 17:53

《数据挖掘导论》学习 | 第二章 数据

目录第二章数据四个重要问题数据类型属性与度量数据集的类型记录数据基于图形的数据有序数据处理非记录数据数据质量测量和数据收集问题关于应用的问题数据预处理特征创建离散化与二元化变量变换相似性和相异性的度量简单属性之间的相似度和相异度数据对象之间的相异度数据对象之间的相似度临近性度量的例子临近度计算问题选取正确的临近性度量第二章数据四个重要问题数据类型——决定使用何种工具和技术分析数据数据的质量——改进
蕴玉山辉，怀珠川媚·2022-09-11 07:55

python与数据挖掘 上机实验_《数据挖掘导论》实验课——实验三、数据挖掘之决策树...

实验三、数据挖掘之决策树一、实验目的1.熟悉掌握决策树的原理，2.熟练掌握决策树的生成方法与过程二、实验工具1.anaconda2.sklearn3.pydotplus三、实验简介决策树是一个非参数的监督式学习方法，主要用于分类和回归。算法的目标是通过推断数据特征，学习决策规则从而创建一个预测目标变量的模型。四、实验内容1.自己创建至少2个向量，每个向量至少1个属性和1个类标号，根据向量生成决策树
weixin_39589511·2022-09-11 07:51

【数据挖掘导论】——数据质量

数据质量数据挖掘使用的数据通常是为其他用途收集或者收集的时候还没有明确目的。因此数据常常不能在数据的源头控制质量。为了避免数据质量的问题，所以数据挖掘着眼于两个方面：数据质量问题的检测和纠正（数据清理）；使用可以容忍低质量数据的算法。测量和数据收集问题完美的数据在实际中几乎是不存在的，对于存在的数据质量问题，我们先定义测量误差和数据收集错误，然后考虑测量误差的各种问题：噪声，伪像，偏倚，精度和准确
FrancisRZ·2022-09-11 07:18

【某航】tf-idf文本特征提取与SVM分类——数据挖掘导论

代码链接：github代码1.任务要求（1）将数据集Case1-classification.zip中的email文件转换成列表数据，利用tf-idf方法提取其中的特征（2）使用SVM分类文本类型，通过5折交叉验证检测分类结果，输出precision,recall,F1-score（可以使用LIBSVM实现SVM）2.数据预处理与特征提取数据预处理：Emails_classify/Emails_c
农夫小田·2022-09-11 07:16

数据挖掘导论——Python练习

实验2：Python练习编写一个名为collatz()的函数,它有一个名为number的参数，如果输入的参数是质数,那么collatz()就打印出number，如果number不是质数,则打印3*number+1。代码分析测试有两个磁盘文件test1.txt和test2.txt,各存放一行字母,要求把这两个文件中的信息合并(按字母顺序排列，每类字母大写在前，小写在后),输出到一个新文件test3.
上山打老虎D·2022-09-11 07:08

【数据挖掘算法与应用】——数据挖掘导论

数据挖掘导论导入一、为什么要进行数据挖掘1.数据爆炸但知识贫乏2.数据在爆炸式增长3.数据安全4.从商业数据到商业智能的进化5.KDD的出现二、什么是数据挖掘1.广义技术角度的定义2.狭义技术角度的定义
北极的三哈·2022-09-11 07:28

数据挖掘导论 复习一（介绍+数据预处理方法+定性归纳）

数据挖掘=数据库+机器学习算法经验模型机器学习任务：分类、回归、聚类（KMeans、DCSAN、层次聚类）、数据降维、数据预处理常用分类器：KNN、贝叶斯、逻辑回归、决策树、随机森林本书将介绍数据挖掘与数据库知识发现的基本知识，以及从大量有噪声、不完整、甚至是不一致数据集合中，挖掘出有意义的模式知识所涉及的概念与技术方法。同时还将介绍数据挖掘系统的结构、数据挖掘所获得的知识种类，以及数据挖掘系统的
路新航·2022-08-11 14:10

基于用户的协同过滤算法（二）：用户相似度计算的改进

但如果两个用户都买过《数据挖掘导论》，那可以认为他们的兴趣比较相似，因为只有研究数据挖掘的人才会买这本书。换句话说，
AI算法攻城狮·2022-05-29 07:59

数据挖掘导论——综合实验

二手车交易预测实验目的与要求试验环境实验内容及过程一、数据分析1、基础数据分析：2、特征相关性分析：3、特征值重复度分析：4、缺失值统计分析：5、价格分布分析：二、数据预处理1、缺失值处理：2、数值化非数值特征3、异常值处理三、特征工程1、组合匿名特征：2、提取日期信息3、特征的count编码4、日期的特征构造5、特征交叉6、特征编码四、预测模型1、问题分析2、可用模型3、训练模型与预测五、调参并
上山打老虎D·2022-03-25 07:47

数据挖掘导论——可视化分析实验

可视化分析实验商店客流量数据可视化数据来源实验要求：绘制所有便利店的10月的客流量折线图。绘制每类商家10月份的日平均客流量折线图。选择一个商家，统计每月的总客流量，绘制柱状图。选择一个商家，统计某个月中，周一到周日的每天平均客流量，并绘制柱状图。选择一个商家，绘制客流量直方图。选择一个商家，绘制客流量密度图。统计某个月各个类别商店总客流量占该月总客流量的比例，绘制饼图。皮马印第安人糖尿病数据可视
上山打老虎D·2022-03-25 07:46

数据挖掘导论——分类与预测

数据挖掘导论——分类与预测实验内容背景介绍数据实验要求实验过程一、首先引入数据分析以及模型所需要的库二、进行数据的读取三、进行数据分析1、Sex：性别比例2、PClass：船舱等级3、PClass，Sex
上山打老虎D·2022-03-25 07:46

一个月读完6本书？这些烧脑神书，你能读完1本，就是学霸！

1数据挖掘导论（原书第2版）
hzbooks·2022-02-27 13:26

业务实战中经典算法的应用

毕竟，上述算法是大家一上来就接触的，书架上可能还放着几本充满情怀的《数据挖掘导论》《模式分类》等经典书籍，但又对在深度学习时代基础算法是否有
阿里巴巴淘系技术团队官网博客·2021-10-14 16:00

互联网公司在面试数据分析师的工作时具体会被问什么样的问题？

平时通过自学SQL、R语言、python编程、数据挖掘导论。可是越学越有一个疑问，数据分析行业涵盖的知识太多了，就想知道学习的东西都能在工作中被检验吗？
数据蛙datafrog·2021-04-18 08:04

数据挖掘导论复习

文章目录第1章认识数据挖掘1、数据挖掘的定义2、有指导学习和无指导学习3、数据挖掘的过程4、数据挖掘的作用5、数据挖掘技术第2章基本数据挖掘技术1、决策树概念和C4.5算法的一般过程2、决策树关键技术：最大增益率3、决策树规则：决策树，产生式规则，正确率和覆盖率4、Apriori算法的基本思想5、关联规则的置信度和支持度6、K-means算法的基本思想7、K-means聚类分析实例第3章数据库中的
CUMT-BD-Mfj·2021-01-09 09:33

《数据挖掘导论》学习 | 第八章 聚类分析：基本概念和算法

目录第八章聚类分析：基本概念和算法概述不同的聚类类型不同的簇类型K均值基本K均值算法K均值：附加的问题二分K均值K均值和不同的簇类型优点与缺点K均值作为优化问题凝聚层次聚类基本凝聚层次聚类算法特殊技术簇邻近度的Lance-Williams公式层次聚类的主要问题DBSCAN传统的密度：基于中心的方法DBSCAN算法优点与缺点簇评估（簇确认）概述非监督簇评估：使用凝聚度和分离度非监督簇评估：使用邻近度
蕴玉山辉，怀珠川媚·2020-09-13 13:32
上一页 1 2 3 4 5 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他