Atitit 数据挖掘技术体系 目录 1. 统计分析（分组聚合等 1 2. Tag标注 结构化 1 2.1. · 复杂数据类型挖掘(Text, Web 2 2.2. ,图形图像，视频，音频等) 2

Atitit 数据挖掘技术体系

 

目录

1. 统计分析（分组聚合等 1

2. Tag标注 结构化 1

2.1. · 复杂数据类型挖掘(Text, Web 2

2.2. ,图形图像，视频，音频等) 2

3. 分类聚类 2

3.1. 属性分类法 2

3.2. 抽象分类法 2

4. 可视化 2

4.1. 三大图表 2

4.2. 地图 2

4.3. 金字塔 2

4.4. other 2

5. 关联技术 2

5.1. 爬虫 2

5.2. Ocr  nlp 2

5.3. 机器学习 2

 

 

1. 统计分析（分组聚合等

 

1.  Tag标注 结构化

 

Tag扩展

1. 1. · 复杂数据类型挖掘(Text, Web 
   2. ,图形图像，视频，音频等)
2. 分类聚类
   1. 属性分类法
   2. 抽象分类法
   3. 主题分类
   4. 情感分类
3. 可视化
   1. 三大图表
   2. 地图
   3. 金字塔
   4. other
4. 关联技术
   1. 爬虫
   2. Ocr  nlp
   3. 机器学习

 

 

聚类（Clustering）

聚类是对记录分组，把相似的记录在一个聚集里。聚类和分类的区别是聚集不依赖于预先定义好的类，不需要训练集。

例子：

a. 一些特定症状的聚集可能预示了一个特定的疾病

b. 租VCD类型不相似的客户聚集，可能暗示成员属于不同的亚文化群

聚集通常作为数据挖掘的第一步。例如，"哪一种类的促销对客户响应最好？"，对于这一 类问题，首先对整个客户做聚集，将客户分组在各自的聚集里，然后对每个不同的聚集，回答问题，可能效果更好。

 

 

 

Atitit.数据挖掘的原理与理论架构attilax总结 v3 t88.docx