xianjie0318的博客

1、数据预处理的原因             现实世界中数据大体上都是不完整，不一致的脏数据，包含在数据库中的大部分原始数据也是不完整且含有噪声的，无法直接进行数据挖掘，或挖掘结果差强人意。为了提高数据挖掘的质量产生了数据预处理技术。数据预处理有多种方法：数据清理，数据集成，数据变换，数据归约等。这些数据处理技术在数据挖掘之前使用，大大提高了数据挖掘模式的质量，降低实际挖掘所需要的时间

分析客户流失模型---决策树分析背景：为什么电信客户流失？建立一个基于过去客户流失行为数据的模型：使用平衡训练数据集训练、优化和评估决策树模型。模型建立步骤：步骤1：加载一个客户数据集包含客户属性：age:客户的年龄Technology:技术类型（4G、光纤等）CustomerSince:客户开始使用时间AverageBill：去年客户平均使用帐单SupportCallsLas

数据挖掘是指从数据库的大量数据中揭示出隐含的、先前未知的并有潜在价值的信息的非平凡过程。        利用数据挖掘进行数据分析常用的方法主要有分类、回归分析、聚类、关联规则、特征、变化和偏差分析、Web页挖掘等， 它们分别从不同的角度对数据进行挖掘。 分类       分类是找出数据库中一组数据对象的共同特点并按照分类模式将其划分为不同的类，其目的是通过分类模型，将数据库中的

RapidMiner简介1、RapidMiner是世界领先的数据挖掘解决方案，在一个非常大的程度上有着先进技术。2、应用介绍：RapidMiner具有丰富数据挖掘分析和算法功能，常用于解决各种的商业关键问题，如营销响应率、客户细分、客户忠诚度及终身价值、资产维护、资源规划、预测性维修、质量管理、社交媒体监测和情感分析等典型商业案例。RapidMiner解决方案覆盖了各个领域

这里以学校的学生成绩进行聚类分析为案例1、背景       随着我国经济的发展，网络已被应用到各个行业，人们对网络带来的高效率越来越重视，然而大量数据信息给人们带来方便的同时，也随之带来了许多新问题，大量数据资源的背后隐藏着许多重要的信息，人们希望能对其进行更深入的分析，以便更好地利用这些数据，从中找出潜在的规律。那么，如何从大量的数据中提取并发现有用信息以提供决策的依据，已成为一个新