数据挖掘学习清单

最新推荐文章于 2025-12-05 11:17:30 发布
原创 最新推荐文章于 2025-12-05 11:17:30 发布 · 115 阅读 · 0 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#人工智能

本文全面概述了机器学习领域的核心算法，从基础的概率分布到高级的神经网络模型均有涉及。主要内容包括：矩阵理论的实际应用、最优化方法、推荐系统的构建、分类算法如朴素贝叶斯和支持向量机、聚类算法如KMeans和DBScan、决策树的不同类型、关联规则挖掘技术、序列标记方法、主题模型、以及各类神经网络的应用。
速进收藏！大数据数据挖掘学习资源指南
AI架构师小马
09-20 897
你有没有过这样的经历？刷短视频时，平台总推荐你喜欢的内容；点外卖时，APP会猜你“可能想吃辣”；银行给你发消息：“你的信用卡消费异常，请留意”。这些“精准预判”的背后，都是数据挖掘在起作用——从海量数据（大数据）中找出规律，解决“找东西、猜需求、防风险”的问题。帮你建立“数据挖掘的知识框架”，找到“适合自己的学习资源”，从“看不懂术语”到“能做实战项目”。数据挖掘的核心概念（是什么、怎么玩）；从入门到进阶的学习路径（先学什么、后学什么）；必看的书籍、必学的课程、必用的工具；
数据挖掘的最佳学习清单
勇往直前的专栏
12-23 804
本文来自：陈旸的专栏《数据分析实战 45 讲》 数据挖掘，从知识清单开始 我列了一个数据挖掘的知识清单，分别是数据挖掘的基本流程、十大算法和数学原理，以此来开启我们的学习之旅。 以下是我对这篇文章的总结图，要是没时间的话，可以先看这张“数据挖掘的知识清单”。 数据挖掘的基本流程 数据挖掘的过程可以分成以下 6 个步骤： 1. 商业理解：数据挖掘不是我们的目的，我们的目的是更好地...
【数据挖掘】课本整理
nancy5_9的专栏
03-26 575
第二章 数据预处理 a. 数据清理 脏数据 填充缺失值 使用缺省值、平均值、最可能的值【贝叶斯 决策树等】 光滑噪声 封箱【箱均值 箱边界】 回归 聚类 识别离群点 【原则】唯一性原则 连续性原则 空值原则 b. 数据集成 合并多个数据源的数据 解决一致性 模式集成 对象匹配 实体识别问题 冗余：通过相关分析 检测到。根据数据度量的一个属性能在多大程度上蕴含另一个 --皮尔逊积矩系数【Pearson Product coefficient】 大于零 则
Python数据分析与挖掘实战代码纠错 代码3-1
qhy950207的博客
11-14 981
我是通过这本书来开始学习数据挖掘和分析，在目前学的内容中，发现了书上的代码有些地方是错误了，在此希望分享下我调试好的代码，供大家参考，相互学习。 1、代码清单3-1 餐饮销额数据异常值检测代码 书上的代码如下：#-*- coding: utf-8 -*- import pandas as pdcatering_sale = '../data/catering_sale.xls' #餐饮数据 da
数据挖掘/机器学习工作知识体系（实习面试准备清单）
liongxiong的博客
04-27 1219
数据挖掘/机器学习工作知识体系       2018年3月-4月，经过2个月的找实习经历，在此总结了此篇关于数据挖掘/机器学习工作知识体系，实习面试准备清单（一些划重点内容），难免会有考虑不周，故后续会继续添加内容，描述不当之处，欢迎指正。1、统计机器学习方法线性回归、感知机、k近邻法、朴素贝叶斯法、决策树、逻辑回归、最大熵模型、支持向量机SVM、集成学习（boosting、bagging、RF）...
数据挖掘中的机器学习
qq_68745178的博客
10-22 716
通常，假设我们的目标是一个function f，我们会给计算机提供一定的训练数据让其进行学习训练，每一次的学习会训练出一个hypothesis h，当h和f随着计算机不断学习越来越接近时，就说h越来越达到满意程度。在建立预测模型的时候，监督式学习建立一个学习过程，将预测结果与“训练数据”的实际结果进行比较，不断的调整预测模型，直到模型的预测结果达到一个预期的准确率。将算法按照学习方式分类是一个不错的想法，这样可以让人们在建模和算法选择的时候考虑能根据输入数据来选择最合适的算法来获得最好的结果。
数据挖掘技术决策树分类算法(ID3算法)研究.pdf
07-14
数据挖掘技术是一种通过从大量数据中提取有价值信息和知识的过程，这一过程通过分析数据库、云端服务器或数据仓库等存储媒介中的大量数据信息，可以发现数据之间潜在的关联结构。数据挖掘技术在实际应用中的作用日益...
数据分析及数据挖掘学习路线
weixin_43071428的博客
12-05 1072
数据分析相关书籍 《精益数据分析》《深入浅出数据分析》《深入浅出统计学》《增长黑客》《数据化管理》 《精通数据科学 从线性回归到深度学习》 数据分析工具类 1.Excel 2.SQL 学习地址：www.w3School.com.cn 《SQL基础教程》《SQL必知必会》 3.Tableau/power BI 4.Python 《利用Python进行数据分析》 学习地址：www.liaoxuefeng.com 必会技能 1.分析方法 2.数据分析指标 3.Excel必会清单 4.SQL必会技能 5.Pyth
数据挖掘商品购物篮数据集
04-22
productList是商品的详单，productAttribute是商品相关属性。 brandList是品牌的详单，brandAttribute是品牌相关属性。 两个sale文件是两年的购物栏数据（已经预处理好）。 可用于关联分析相关算法的学习。
基于关联规则的购物篮分析 (2010年)
05-19
关联规则研究有助于发现数据库中不同商品之间的联系。其分析结果可以应用于制定营销策略,寻求最佳的商品货架布局。从关联规则挖掘算法和关联模式的评估两方面对购物篮数据进行关联分析。
代码清单3-3 ,objective-C
程序员写的技术 FAQ 和杂文
11-10 866
#import //---- @interface --- @interface Fraction: NSObject -(void) print; -(void) setNumerator: (int) n; -(void) setDenominator: (int) d; @end //---- @implementation block --- @implementation F
【模式识别与机器学习（8）】主要算法与技术（下篇：高级模型与集成方法）之 元学习与集成方法：组合多个学习器来提高整体性能
hiliang521的博客
12-02 812
【模式识别与机器学习（8）】主要算法与技术（下篇：高级模型与集成方法）之 元学习
TensorRT笔记（5）：研究timingCache
ouliten的博客
12-02 948
在里出现了大量的timingCache，但是当时没有取研究这是干啥的，本文就来解析一下。样例都基于上面的文章。
大模型应用：大模型 MapReduce 全解析：核心概念、中文语料示例实现.12
minhuan的专栏
12-03 1072
本文介绍了MapReduce编程模型及其在大模型训练中的应用。MapReduce通过"分治-并行-聚合"思想处理大规模数据，传统Hadoop MapReduce侧重结构化数据计算，而大模型MapReduce则针对自然语言处理任务。文章详细对比了两者在架构、处理对象和核心算力等方面的差异，并提供了中文词频统计的Python实现示例，包括单机版和分布式版本。分布式实现利用多进程模拟集群计算，展示了数据分片、Map、Shuffle和Reduce的完整流程。
人工智能的基石之三：硬件
最新发布
最简单的方法，解决最实际的问题。
12-05 455
高性能硬件是人工智能的基石，尤其是在机器学习和深度学习领域，海量数据是常态。从充当计算机大脑的中央处理器 (CPU) 到加速计算的图形处理器 (GPU)，硬件的作用是提供处理和运行复杂数据算法所需的原始能力。
AI泡沫什么时候破？
脑极体
12-04 301
而AI企业面对的短期形势，可能更为严峻。而AI公司和技术服务商，为了迎合决策者或拿下B端大项目，往往不计成本的低价竞标，无视人工成本的驻场开发，技术价值让位于领导偏好，企业自身也深陷人效黑洞，沦为挣辛苦钱的技术外包。To B/G不赚钱，To C也卖不上价，所以目前AI领域唯一清晰的商业模式，就是类似英伟达的“卖铲人”模式，卖加速卡和算力的企业成了这一轮AI浪潮的最大受益人。去伪存真之后，资本会冷却，叙事会修正，共识会重新凝聚，而那些持续追问“AI如何创造真实价值”的人，会与行业一同穿越周期，走向成熟。
《数据挖掘：概念与技术2E》参考文献清单
数据挖掘是一门综合性的交叉学科领域，涉及统计学、数据库技术、机器学习、信息检索、模式识别、可视化和应用学科等众多领域。其目的是从大量的、不完全的、有噪声的、模糊的和随机的实际数据中，提取隐含在其中的、...
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
表情包 代码片
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值