數(shù)據(jù)挖掘、機器學(xué)習(xí)和weka》(文件)
【正文】 經(jīng)驗的商業(yè)分析師或管理人員所起的作用，它只是一個強大的工具。 。 ? Data Mining技術(shù)導(dǎo)入企業(yè) ，它的重點不是數(shù)據(jù)庫本身，而在于以企業(yè)領(lǐng)域為主。 ? DM不會在缺乏指導(dǎo)的情況下自動的發(fā)現(xiàn)模型。 – 在了解客戶每次采購時會購買哪些產(chǎn)品以后，就可以利用 Data Mining中的 Sequence Discovery的功能，以偵測出長期的經(jīng)常購買行為。然后再用 Association的技術(shù)來比較這些資料集合 ，然后將列出產(chǎn)品吸引力的清單 。 ? 問題 – 在英國市場運用傳統(tǒng)的技術(shù)，如更低的價位、更多的店面、以及更多種類的產(chǎn)品，競爭已經(jīng)越來越困難了 ? 問題確認： – 必須以 客戶 為導(dǎo)向，而非以產(chǎn)品與店家為導(dǎo)向。 – to mit to memory。 – About solving problems by analyzing data already present in databases。數(shù)據(jù)挖掘 — 實用機器學(xué)習(xí)技術(shù)及 Java實現(xiàn) ? 原書 – 英文版 《 Data Mining— Practical Machine Learning Tools and Techniques with Java Implementations》， 新西蘭 Ian H. Witten、Eibe Frank著 ? Weka – An open source framework for text analysis implemented in Java that is being developed at the University of Waikato in New Zealand. – – 概念： KDD、 ML、 OLAP與 DM ? KDD（ Knowledge Discovery in Database） 是一種知識發(fā)現(xiàn)的 一連串過程 。 ? DM用在產(chǎn)生假設(shè) ，而 OLAP則用于查證假設(shè) 概念： DM與 DB ? Data Preparation要占 Data mining過程 70％工作量 ? 「 Data base」＋「 Data mining」＝ 會說話的數(shù)據(jù)庫 概念： Data Mining ? 概念：數(shù)據(jù)挖掘是從大量的數(shù)據(jù)中，抽取出潛在的、有價值的知識（模型或規(guī)則）的過程 – Key Characteristics of Data Mining： ? Large amount of data ? Discovering previously unknown, hidden information ? Extracting valuable information ? Making important business decision using the information ? DM/ML的一些要點 – The data is stored electronically and the search is automated by puter。 – to bee aware by information or from observation。ve Bayes） ? 使用所有屬性，假設(shè)屬性無關(guān)、且同等重要 ? Divide and conquer: Constructing decision trees ? 循環(huán)選擇一個屬性來分割樣本 (算法： ID ) ? Covering algorithms： Constructing rules（ 算法：Prism） ? Take each class in turn and seek
醫(yī)療健康相關(guān)推薦
鄂ICP備17016276號-1