数据寄存器问答,数据寄存器修理知识-智配网



问答



全部分类问答精选待解决

问数据挖掘分类

旭日从数据分析角度出发，数据挖掘可以分为两种类型:描述型数据挖掘和预测型数据挖掘。前者是以简洁概述的方式表达数据中的存在一些有意义的性质;而后者则通过对所提供数据集应用特定方法分析所获得的一个或一组数据模型，并将该模型用于预测未来新数据的有关性质。

2023-07-16 1条回答
问数据挖掘的特点

旭日数据挖掘重要研究内容主要有关挖掘方法、用户交互、挖掘性能，以及多种数据类型等方面。

2023-07-16 1条回答
问为什么要进行数据挖掘？

匿名用户为什么要建立数据仓库，数据仓库和数据库的区别？因为理论上的优点说法都很多，但要真正很好地理解，能简洁地向客户阐述明白，让客户觉得建立数据仓库是一件值得做的事情，还是值得讨论一下这个问题。有如下一些朋友们说法（自己在批注处谈点个人的意见）： A 数据库是一个装数据（信息的原材料）的地方。数据仓库是一种系统，这种系统也是用数据库装东西。（这有点没说清楚：个人理解数据库和数据仓库当然都是装数据的地方，关键的区别是装的什么样的数据，数据库装的原始数据，没经过任何加工；而数据仓库是为了满足分析需要，对源数据进行了Transform过程，具体是怎样一个处理过程，可以从Bill Inmon的仓库定义四个特性进行理解。）数据仓库系统（用数据库装东西）与其他基础业务系统（例如财务系统、销售系统、人力资源系统等，也是用数据库装东西）的区别是：基础业务系统的特点是各管各的，例如财务系统生产了白菜，那么用一个数据库来装，人力资源系统生产了猪肉，再用一个数据库来装。我要做一道菜，需要分别到各个数据库去取，比较麻烦（现实的情况是大部分时候让种菜的农民伯伯送过来，但送过来的东西不一定是我想要的，而且不同的时候我想要不同的东西，经常会被农民伯伯骂，弄得双方都不开心）。另外一方面，各个数据库中放的是一些比较原始的东西，我要拿过来做菜，还需要经过很麻烦的清洗过程，一不小心里面可能就藏着一条大青虫。那么，数据仓库系统就是建立一个大的超市，将各地农民伯伯出产的东西收集过来，清洗干净，分门别类地放好。这样，你要哪种菜的时候，直接从超市里面拿就可以了。 B 早期一直不理解数据仓库是什么困惑得很。宏观一点讲，数据仓库就是堆放公司所有数据的地方，之所以把数据都堆在一起，是为了从中间找到有价值的东西。数据仓库更多的是一个概念，不要把数据仓库想成那些号称是数据仓库的软件产品们。（数据仓库的建立和数据挖掘都是一个过程，可以从数据仓库生命周期和OLTP系统生命周期的区别进行理解，数据挖掘过程CRISP-DM）数据仓库的物理上就是数据库。相对业务系统数据库叫OLTP数据库（用于业务处理），这种数据库叫OLAP数据库（用于业务分析，不知道有没有这种说法，个人觉得OLAP和数据库还是不能简单地称为OLAP数据库的；OLAP是针对特定问题的联机数据访问和数据分析而产生的一种技术，它满足DDS从多种角度对数据进行快速、一致、交互地分析，克服传统DDS交互能力差的弊病，使决策者能够对数据进行深入观察。OLAP服务器使用为用户预定义的多维数据视图对数据仓库的信息进行统计分析处理，为具有明确分析范围和分析要求的用户提供高性能的决策支持在线分析处理，只是基于DW上的一种多维分析方式，当然我也可以不用OLAP，直接做基于DW的DM）。数据仓库的概念是针对以下基本需求产生的：公司的业务系统很多，业务系统的历史数据不方便查询。不同的业务系统往往管理部门不同，地域不同。能不能将所有这些数据集中起来，再淘淘有没有有意义的业务规律。数据仓库数据库往往很大，因为公司所有的数据集中得越多，越能淘到有价值的发现。例如随便就100G以上。数据仓库的组成十分繁杂，既有业务系统的历史数据，又有人事、财务数据，还要自己建一些基础性的数据，例如，公共假期数据、地理信息、国家信息等等。数据仓库概念包含从业务生产系统采集数据的程序，这个程序还不能影响业务系统的运行。（属于所谓“ETL”过程）数据仓库包括业务系统长期的历史数据，例如5年，用来分析。（所谓“ODS”数据）数据仓库包括针对某相业务值（例如销售量）重新打上标签的业务流水数据。（所谓“事实表”、“维度表”）。数据仓库概念兴许还包含报表生成工具（所谓“BI”工具）。这些工具能够达到几年前所谓DSS（决策分析）的效果。数据仓库的客户历史资量的分析，也许又与CRM系统粘点边。总之，一点，一个公司想针对已有的历史业务数据，充分的利用它们，那么就上数据仓库项目。至于哪些吓唬人的大写字母的组合，只是达到这个目标的科学技术罢了。牢记住数据仓库的基本需求，不要被供应商吓着。 C 数据仓库可以说是决策支持系统（个人不同意这个观点，决策支持系统（DDS）是在管理信息系统的基础上发展起来的，在数据仓库、OLAP技术和数据挖掘工具出现以前，就已经有DSS了，但其在实际应用开发过程中暴露出许多问题，DW为克服传统DDS存在的问题提供了技术上的支持，基于DW上的DSS效果自然有很大提升），能帮助老板了解企业的整体全貌，看到数据仓库提供的经过整理统计归纳的数据后老板凭自己的管理经验可以发现企业的问题或困难或成功因素在哪一方面，然后可以不断的追溯数据，直到确定到最具体的细节上，这样能够不断提升老板或管理层的管理水平，不断改善企业的管理。我们知道的最好的一个例子就是美国某大型超市啤酒和尿布的故事。沃尔玛公司在美国的一位店面经理曾发现，每周，啤酒和尿布的销量都会有一次同比攀升，一时却搞不清是什么原因。后来，沃尔玛运用商业智能（Business Intelligence，简称BI）技术发现，购买这两种产品的顾客几乎都是25岁到35岁、家中有婴儿的男性，每次购买的时间均在周末。沃尔玛在对相关数据分析后得知，这些人习惯晚上边看球赛、边喝啤酒，边照顾孩子，为了图省事而使用一次性的尿布。得到这个结果后，沃尔玛决定把这两种商品摆放在一起，结果，这两种商品的销量都有了显著增加。数据库是数据仓库的基础。数据仓库实际上也是由数据库的很多表组成的（这句话明显不成立，数据仓库里表分为事实表和维表，这和数据库里的表还是有本质区别的，组织方式完全不一样，一个是面向主题，一个是面向业务的）。需要把存放大量操作性业务数据的数据库经过筛选、抽取、归纳、统计、转换到一个新的数据库中。然后再进行数据展现。老板关注的是数据展现的结果。

2023-07-16 1条回答
问什么是数据挖掘？

匿名用户 1）首先，数据挖掘－Data Mining不是一个骗局，而是一种还处于发展中，已经投入部分投入实际生产实践的技术框架。DM之所以经常和知识发现概念相关联是因为知识发现（Knowledge Discovery）是DM的目标和产出（output）。随着信息化应用的普及，传统的交易性数据（Transaction），比如：你在超市购物，产生了一笔交易，这笔交易会在现有的数据库系统中存储下来，随着时间的累计，这种数据变得海量。面对这些海量数据，这其中是否存在一些可以更好帮助决策的东西。比如：什么产品的搭配拜访可能会提高销量，我超市的用户可能都是出于什么消费水平？。注意：我这里用到“可能”字眼，意味着决策需要用到历史数据的支持来降低未来决策的风险（提高可能性）。而实际上，比如：沃尔玛和一些大型金融机构使用数据挖掘的产品和工具都超过了二十年，而且产生了期望的效应，而国内电信、金融行业从2005年以后逐渐加大了相关的投入。因此，如果DM是一个骗局，那被忽悠的都是全球最顶尖的公司和最顶尖的IT管理人员。 2）数据（Data）-信息（information）-知识（Knowledge）是一个递进的关系。数据的电子化产生了信息，比如：我们可以通过SQL语句检索到我们要的信息，但是我们无法用简单的SQL语句找到我们需要的知识，比如：我想知道某种型号面包的销售是否存在季节性因素和扰动，这就需要专门的统计分析工具和算法，而在某些命题常规统计学方法不能奏效的时候，就可能需要用到一些更复杂的工具和算法，比如：随机过程，神经网络等。 3）数据挖掘的步骤一般可以分为：数据提取（ETL）－数据仓库－数据挖掘工具－知识发现。当然这些挖掘的结果很多时候是令人无法接受，或者不能理解的，但是DM提供的是基于某种算法下的或然性（可能性），还需要与具体的业务逻辑相结合，因此数据挖掘应用效果的核心不是工具和平台的先进，而是对现有企业的业务知识和市场战略把握、决策方法等相关联的事情。此类项目失败的风险远远高于普通IT项目的最大原因在于历史数据的不完整（早期系统设计上的缺陷等），实施队伍的不专业，业务知识梳理能力低下。其中最核心的可能在于实施此类项目对于人员的要求较高，而很多企业的IT部门，以及承当项目的公司显然不具备这样的团队。希望可以帮你理解DM。

2023-07-15 1条回答
问数据挖掘就业如何

半睡半醒数据挖掘的就业面不广，远远不如数据库和数据仓库，国内建设大多处于数据库和数据仓库建设，数据挖掘还比较少，而且想做数据的必须有相当的业务基础，否则无法做好这个东西，刚毕业的学生还是先学习业务，多了解业务，了解简单的数据库和深入一些的数据仓库知识，为数据挖掘做铺垫，等到一定的能力才可以做数据挖掘，一般的公司不会请刚入门的人做数据挖掘，客户也不会认可的。

2023-07-15 1条回答
问数据挖掘的定义是什么？

匿名用户数据挖掘是从大量的、不完全的、有噪声的、模糊的、随机的数据集中识别有效的、新颖的、潜在有用的，以及最终可理解的模式的非平凡过程。它是一门涉及面很广的交叉学科，包括机器学习、数理统计、神经网络、数据库、模式识别、粗糙集、模糊数学等相关技术。

2023-07-15 1条回答
问数据挖掘题目

匿名用户 1: 孤立点分析: 去掉离群点，噪声点(当然主要靠业务分析) 数据平滑: 使整体数据更加平滑，趋势更明显，减小波动正态化: 这个是统计学的基础要求，所有数据必须朝这个方向处理离散数据连续化：某些算法只能处理这种数据，反之既然其他参考数据挖掘书籍(其实更重要是弄清楚X,Y各是什么)2: 1) 自己研究excel,很简单 2)3) 变换就那么几种，ln, e, 乘个什么数，除个什么数，自己研究一下

2023-07-15 3条回答
问如何自学数据挖掘

づ蔓延的小思念我觉得软件是其次。等楼主有了一定的基础才晓得为什么软件这么去分析，现在可以不考虑。至于毕业后的去向，线性代数，关于统计学上的东西要学的不错。然后是数学：开源的有weka，还有spss数据挖掘方向很多：就我了解，比如腾讯之类的互联网公司对于数据挖掘人才还是很有需要的。主要是现在是数据时代：比如说有做文本类数据挖掘，有做生物信息挖掘等等学的东西更加多：首先是入门：这个我强烈推荐斯坦福大学的机器学习，网易公开课有。还有就是英语：最好能看懂文献，因为数据挖掘国外做的好，所以要看很多的论文。软件：概率论

2023-07-10 1条回答
问想从事数据挖掘

大眼® 你学什么的，如果是数学就好办了，如果不是就好好把数学学好，数据挖掘全是算法。------------一步一步来吧，最基础的数学，算法，数据结构一定要学好。估计你一毕业不会找到数据挖掘的工作的，先从数据库做起--->数据仓库---->数据挖掘。

2023-07-10 3条回答
问数据挖掘的定义

Late 嘿嘿，上面这位的回答就这么一句但恰好错了。数据挖掘是从大量数据中寻找到有价值有意义有趣事先未知的知识而不是从“未知的数据“中找到”自己需要的“知识。数据当然是已知的。可能找到的知识的结构决定于使用的方法数据模式。而具体知识是不是“知识”，有没有用，你需不需要，这不是算法或数据挖掘技术考虑的问题。而是实施者需要解决的问题。就好像一本小说里取出词汇、概念做成一个字典，这个过程是数据挖掘。字典可能有关键字的频率，可能有词间的关系，但你拿这个结果如何解释或者这个结果对你有什么启发，这是你的事情。总之，数据挖掘是个商业智能加数据库技术的被夸大的概念。实际不过是提供数据到可理解描述的抽象技术。如果想要拿来解决实际问题，那还是要专家来分析结果。

2023-07-10 3条回答

10/1269

返回顶部

产品求购

返回顶部