- 问答
-
问 数据挖掘系统分类
-
问 数据挖掘的统计方法有哪些
-
问 数据挖掘是什么意思，用什么挖呀
-
问 数据挖掘与算法是什么关系？
浑浑噩噩 data mining：数据挖掘一般是指从大量的数据中自动搜索隐藏于其中的有着特殊关系性（属于Association rule learning）的信息的过程。reference:数据挖掘2.聚类和分类：关于这些，我相信再好的算法，都会有一定的准确度，我没有说这些东西不重要。3.如果你的数据量足够大，举个例子说明吧，数据挖掘是这样做的，你要判断什么样的苹果是甜的，应该这样做，去超市买苹果，总结甜苹果的特征 A B ，第二次你也去买苹果，就选具备这些特征值的。存的的问题有可能买到的苹果还不是甜的，可能原因是要同时包含特征C。但是如果你数据量足够大，足够大，你要买的苹果直接能够找到，一模一样的苹果，是不是甜的，都已经知道啦，直接取出来不就好了吗？前提是数据你想要什么有什么。@黄宇恒@肖智博@葛少华@余天升
-
问 概念与技术 数据挖掘导论 哪本好
-
问 什么是并行数据挖掘？
匿名 并行数据挖掘技术不同于其它并行算法的地方在于它需要处理的数据的规模很大。在并行算法中有一点是不可取的，那就是：算法主要是把磁盘和处理器之间以及各个处理器之间的数据规模尽量减少到最小。人们知道，对于并行而言，交互之间的消耗（即内存的使用）是比执行时间（计算阶段）重要得多的因素。数据挖掘算法已经给出了一系列的例子和学习概念（使例子的特征更简单）。并且概念很容易用谓词来表示，在一些事件中，算法的目的是把这些概念嵌入到一个分类器中，决策树就是这样一个例子。而在其它的事件中，算法的目的是自己定义这些概念，因为它们提供了数据的结构。串行数据挖掘算法对于规模很小的数据也需要大量的运行时间，而且可用于分析的数据增长得很快，这样就需要寻找用于数据挖掘的并行算法，目前并行数据挖掘算法已有了充分的研究并行数据挖掘的策略一个算法的复杂性可以表示为空间复杂性和时间复杂性两个方面。并行算法的目标是尽可能减少时间复杂性，但其代价是通过增加空间复杂性（如增加空间的维数及增加处理器的台数）来实现的。从算法树的结构来看，通常的串行算法树“深而窄”；而并行算法树的结构截然不同。为了达到把时间复杂性转化为空间复杂性的目的，并行算法树采用“浅而宽”的结构即每个时刻可容纳的计算量相应增加，使整个算法的步数尽可能减少。常用的三种并行策略：朴素并行典型并行逻辑并行
-
问 数据挖掘工程师需要哪些条件
-
问 数据挖掘与算法是什么关系
南栀向暖 1.数据挖掘是指从大量的数据中通过算法搜索隐藏于其中信息的过程。数据挖掘通常与计算机科学有关，并通过统计、在线分析处理、情报检索、机器学习、专家系统（依靠过去的经验法则）和模式识别等诸多方法来实现上述目标。2.算法是一种描述程序行为的语言，是一种让程序最为简洁的思考方式。是指解题方案的准确而完整的描述，是一系列解决问题的清晰指令，算法代表着用系统的方法描述解决问题的策略机制。3.数据挖掘算法是根据数据创建数据挖掘模型的一组试探法和计算。 为了创建模型，算法将首先分析您提供的数据，并查找特定类型的模式和趋势。算法使用此分析的结果来定义用于创建挖掘模型的最佳参数。然后，这些参数应用于整个数据集，以便提取可行模式和详细统计信息。
-
问 什么叫描述型数据挖掘
尛打尛闹尛幸福 《数据挖掘》 朱明＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝定义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。 数据库通常包含了大量细节性数据，然而用户却常常想要得到能以简洁描述性方式所提供的概要性总结。这样的数据摘要能够提供一类数据的整体情况描述；或与其它类别数据相比较的有关情况的整体描述。此外用户通常希望能轻松灵活地获得从不同角度和分析细度对数据所进行的描述。＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝方法描述型数据挖掘 ：概念/类描述、关联分析、聚类、可视化分析等 。预测型数据挖掘 ：分类、回归、孤立点、时间序列等 。
-
问 数据挖掘培训有用吗？
旭日 
1条回答
吉光片羽 
森林 
热心问友 
最初的最初。 
善 法中和 
