yousanfen的博客

数据挖掘是利用多种计算机技术，从数据中自动分析并提取信息的处理过程，目的是发现数据中潜在的和有价值的信息、知识、规律、联系、模式，从而为解释当前行为和预测未来结果提供支持。数据挖掘技术：机器学习、统计学、联机分析、专家系统、模式识别，涉及数据库技术、人工智能、统计学方法、可视化技术、并行计算数据挖掘围绕商业目标，对大量数据进行抽取、转换、分析和处理，提取出辅助商业决策的关键性数据，解释隐藏的或...

机器学习是模拟人类的学习方法来解决计算机获取知识问题的方法。通过对大量的实例进行训练、从中发现经验化规律的过程。机器最擅长的是学习概念，概念是具有某些共同特征的对象，符号或事件的集合。可分为传统角度、概率角度、样本角度。传统角度：概念被非常明确的定义，无歧义。概率角度：没有明确的定义，提供了一个判断的参考。样本角度：将某个概念组成一个集合，将新实例与该集合进行比对，得出结果。机器学习分为...

相关会议：ACM SIGKDD国际会议Weka，基于Java，开源，集成了大量有关数据挖掘的机器学习算法和统计技术，具有数据预处理、分类、聚类、关联分析、属性选择和交互式可视化等功能。Weka还有一个通用的API，可以像嵌入其他库一样将Weka嵌入应用程序以实现诸如服务器端自动进行数据挖掘。Weka的github地址https://github.com/Waikato/weka-trunk...

摘自《数据挖掘与数据化运营实战，思路、方法、技巧与应用》决策树：建模过程类似一颗树的成长过程，即从根部开始，到树干、到分枝，再到细枝末节的分叉，最终生长出一片片的树叶。在决策树里，所分析的数据样本先是集成为一个树根，然后经过层层分支，最终形成若干个结点，每个节点代表一个结论。最常用的3中决策树算法分别是CHAID、CART和ID3。CHAID：卡方自动相互关系检测，依据局部最优原则、利用卡方检...

摘自《数据挖掘与数据化运营实战，思路、方法、技巧与应用》神经网络：通过输入多个非线性模型以及不同模型之间的加权互联（加权的过程在隐蔽层完成），最终得到一个输出模型。其中，隐蔽层所包含的就是非线性函数。神经网络作为分类、预测问题的重要技术支持、在用户划分、行为预测、营销响应等诸多方面具有广泛的应用前景。以下5个因素对模型结果有重大影响：1、层数2、每层输入变量的数量3、联系的种类4、联系...