数据挖掘中的几种算法适用场合

最新推荐文章于 2024-03-25 09:05:53 发布

原创最新推荐文章于 2024-03-25 09:05:53 发布 · 907 阅读

0 ·

CC 4.0 BY-SA版权

文章标签：

#数据挖掘 #算法 #产品

通过MarketBasketAnalysis发现一起销售的产品组合，动态生成建议并决定产品如何摆放以提高销售额。利用关联规则和决策树等方法实现这一目标。

1、Market Basket Analysis

发现一起销售的项目，动态生成意见并决定产品怎样放置可以直接地对你的账目底线有帮助。

关联、决策树

确定要放弃本次机会？

福利倒计时

: :

立减 ¥

普通VIP年卡可用

立即使用

jackfor001

关注关注

0
点赞
踩
0

收藏

觉得还不错? 一键收藏
0
评论
分享

复制链接

分享到 QQ

分享到新浪微博

扫一扫
举报

举报

聚类总结：各种聚类算法的分类、优缺点、适用场景总结

积跬步，慕至千里的博客

11-29

5265

聚类总结：各种聚类算法的分类、优缺点、适用场景总结

如何选择合适的数据挖掘算法

西二旗小码农

05-11

1930

<br />如果JDM没有自动选择算法，或者数据挖掘人员想控制算法设置，就可以显式选择算法、指定设置。数据挖掘专门知识、对可用算法的了解，以及往往确定哪种算法最适合解决问题的尝试，这些都有助于选择合适的算法及设置。 <br />决策树算法<br />决策树算法是最流行的算法之一，因为很容易理解它是如何进行预测的。决策树生成的规则不但可以解释如何进行预测、为何要预测，还有助于对一个群体进行划分，即显示哪几组实例会得出某个结果。决策树广泛用于分类，有些实现的决策树还支持回归方法。 <br />决策树算法会分析一

参与评论您还未登录，请先登录后发表或查看评论

传统算法总结

megamirurutia的专栏

05-02

2875

传统算法总结经典的传统算法可以分为两类： ①仅评估完整解的算法 ②需要部分构造解的算法 1 枚举法 ①求解SAT 思路：产生所有长度为n的二进制串，从（0……000）到（1……111）共有2n个。枚举时将每个二进制串对应一个整数，每次给该整数加1，对每次产生新的二进制串对其进行评估：如果该串满足符合布尔表达式，其值为1，否则为0。改进：可以采用回溯的方法减少实际要搜

数据挖掘和知识发现的技术、方法及应用

swqqcs的专栏

06-15

5万+

数据挖掘和知识发现的技术、方法及应用一幅凝固的油画 Keywords:data mining，Knowledge discovery in databases，DM，KDD，CRISP－DM，Internet概念基于Internet的全球信息系统的发展使我们拥有了前所未有的丰富数据。大量信息在给人们带来方便的同时也带来了一大

数据挖掘算法总结

小凤的博客

07-24

6247

原文链接：http://qing.blog.sina.com.cn/tj/591d4f4933002uc9.html

算法复习笔记（四）减治法

忆_恒心的博客

04-25

5043

减治法部分的初步学习，从下面三个例子：1.折半查找2.二叉树查找3.查找最小数减治法的核心：与分治法不同，减治法只针对其部分子问题进行求解，同时也是采取划分后选择计算的思想补充知识点：中位数：中位数是一个非常具有代表性的数字，我们在现实生活中，通常会选择中位数来代表一部分数据的趋势，相比于平均数更加具有代表性。1.折半查找： #include<iostream> using name...

数据挖掘中几种聚类算法的分析比较.pdf

07-14

在数据挖掘的众多技术中，聚类分析是一种重要的非监督学习方法，它能够帮助我们从海量的数据中发现隐藏的结构和模式。聚类算法有很多种，其中包括我们此次要详细探讨的K-means算法、AGNES算法以及DBSCAN算法。 K-...

18种数据挖掘算法原理与应用场景

热门推荐

昆兰.沃斯的博客

09-04

16万+

本文主要分析皆来自其他资料，借用较为权威的总结来对我已经学习的这些经典算法做一个极为精简的概述（根据自身经验有一定修改），另外同时附上机器学习实战中作者对各种算法的评价。另外机器学习实战这本书是本人看了这么多书籍或者资料中唯一一本坚持从头看到尾，看完了的书籍，包括其中的代码皆实践运行过，收获颇多，个人认为虽然这本书时间上已经算是老资料了，但其中作者的各种总结和代码的演练都由浅入深（前提还是要有一点...

数据挖掘算法与现实生活中的应用案例

weixin_30633949的博客

10-26

4779

如何分辨出垃圾邮件”、“如何判断一笔交易是否属于欺诈”、“如何判断红酒的品质和档次”、“扫描王是如何做到文字识别的”、“如何判断佚名的著作是否出自某位名家之手”、“如何判断一个细胞是否属于肿瘤细胞”等等，这些问题似乎都很专业，都不太好回答。但是，如果了解一点点数据挖掘的知识，你，或许会有柳暗花明的感觉。本文，主要想简单介绍下数据挖掘中的算法，以及它包含的类型。然后，通过现实...

回归、分类与聚类：三大方向剖解机器学习算法的优缺点

周红伟讲AI

05-21

4万+

回归、分类与聚类：三大方向剖解机器学习算法的优缺点 2017-05-20 13:56:14 机器学习数学 3 0 0 在本教程中，作者对现代机器学习算法进行一次简要的实战梳理。虽然类似的总结有很多，但是它们都没有真正解释清楚每个算法在实践中的好坏，而这正是本篇梳理希望完成的。因此本文力图基于实践中的经验，讨论每个算法的优缺点。而机器之心也在文末给出了

数据挖掘应用的一些场景和对应算法

春华秋实

09-13

5333

数据挖掘越来使用广泛，下爱你介绍一些常见的使用场景以及对应的算法： 1. 客户细分：典型的分类问题 2.客户流失预测分析：当作一个识别问题处理 3.客户社会关系挖掘：关联分析以及基于图的关联分析 4.业务交叉销售：实现方法有关联规则挖掘、相关分析、主成分分析等 5.欺诈客户识别：异常点或者离群点分析

数据挖掘算法总结--核心思想，算法优缺点，应用领域，数据挖掘优缺点

木东的博客

06-02

1865

数据挖掘十大算法总结--核心思想，算法优缺点，应用领域，数据挖掘优缺点 •分类算法：C4.5,CART,Adaboost,NaiveBayes,KNN,SVM •聚类算法：KMeans •统计学习：EM •关联分析：Apriori •链接挖掘：PageRank 其中，EM算法虽可以用来聚类，但是由于EM算法进行迭代速度很慢，比kMeans性能差很多，并且

[DataAnalysis]数据挖掘常见的几种分类算法

TOMACAT的博客

01-19

5万+

一、数据挖掘任务分类1、预测性和描述性的主要区别在于是否有目标变量2、预测性包括分类和回归：（1）分类：输出变量为离散型，常见的算法包括（朴素）贝叶斯、决策树、逻辑回归、KNN、SVM、神经网络、随机森林。（2）回归：输出变量为连续型。3、描述性包括聚类和关联：（1）聚类：实现对样本的细分，使得同组内的样本特征较为相似，不同组的样本特征差异较大。例如零售客户细分。（2）关联：:指的是我们想发现数据

聚类算法应用场景实例十则

liulingyuan6的博客

12-14

5万+

本文整理了5个天池、DataCastle、CCF中可使用回归算法处理的问题场景。 1 基于用户位置信息的商业选址随着信息技术的快速发展，移动设备和移动互联网已经普及到千家万户。在用户使用移动网络时，会自然的留下用户的位置信息。随着近年来GIS地理信息技术的不断完善普及，结合用户位置和GIS地理信息将带来创新应用。如百度与万达进行合作，通过定位用户的位置，结合万达的商户信息

机器学习算法比较

JAVA_SanXin的专栏

05-31

6749

本文转载自：http://www.csuldw.com/2016/02/26/2016-02-26-choosing-a-machine-learning-classifier/ 本文主要回顾下几个常用算法的适应场景及其优缺点！（提示：部分内容摘自网络）。机器学习算法太多了，分类、回归、聚类、推荐、图像识别领域等等，要想找到一个合适算法真的不容易，所以在实际应用中，我们一般都是采用启