载入中…
公告栏:
当前位置: 中国商业智能网 >> CIO >> 数据挖掘
  •  什么是数据挖掘:
  •  数据挖掘方法:
  •  知识发现9大步骤:
  • 数据挖掘是数据库知识发现(KDD)过程中应用数据分析和发现算法中"知识发现9大步骤"的第7个步骤:寻找一种特定的表现形 式或一组这些表征的兴趣模式,包括分类规则或树型、回归与聚类。用户可以大大帮助数据挖掘方法以正确执行前面的步骤。
    一种透过数理模式来分析企业内储存的大量资料,以找出不同的客户或市场划分,分析出消费者喜好和行为的方法。
    在可接受的计算效率的局限性之内,在数据上产生一种特殊的列举模式(或模型)。
    模式的空间通常是无限的而且模式的列举包括对该空间某种形式的探索与研究。

    数据挖掘

    分类(Classification):是学习一种将某一项数据映射(分类)到几个预定义分类中的一种功能;
    回归(Regression):是学习一种将某一项数据映射到取值为R的预测变量的功能;
    聚类(Clustering):是一种常见的描述性任务旨在确定在一组有限级的类别或聚类来描述数据;
    总计(Summarization):包括为一个数据集找到一种简洁描述的方法;
    依赖(Dependency) 模型:是要找到一种模型来描述存在于两个层次上依赖模型之间显著的依赖性;
    对变化和差异的检测集中在从先前的测量或规范值中发现最值得注意的数据;
    数据挖掘算法的组件;
    模型的表示是用来描述模式发现的语言;
    评价标准是模型在一个特定的模式上如何满足数据库知识发现 (KDD) 过程的目标的定量语句(或功能调整);
    搜索方法由两个组件组成:1)搜索参数;2)模型搜索;
    一旦模型表示方法和模型评价标准建立起来,那么数据挖掘的问题就降至为仅仅是一种优化任务,找出模型优化标准。
    详细请看:“知识发现”和“数据挖掘”之间的区别
    1. 对应用领域的开发和认识,并有相关的经验知识和从客户的角度识别数据库知识发现 (KDD) 过程的目标;
    2. 创设一个数据集的目标:选择数据集,或者聚焦于一组用于发现的变量或数据样本;
    3. 数据清洗和预处理。基本操作包括去除错误数据,收集必要的信息建模或处理缺失数据的策略以及信息时间顺序和变化;
    4. 数据压缩和投影:根据任务的目的寻找有用的特征呈现数据。通过降维的方法,对有效的变量数目可能减少的数据表示;
    5. 匹配过程目标:特别数据挖掘方法 (步骤1)的数据库知识发现 (KDD)。例如,总计、分类、回归、聚类和其它;
    6. 建模和探索性分析与假设的选择:选择算法和数据挖掘并选择用于寻找数据模式的方法。最终用户对预测能力更有兴趣;
    7. 数据挖掘:寻找一种特定的表现形式或一组这些表征的兴趣模式,包括分类规则或树型、回归与聚类;
    8. 解释挖掘模式,可能为另外的迭代再回到步骤1至7之间的有些步骤。这一步包含提取模式和给予绘制模型的可视化数据;
    9. 知识发现:直接利用知识结合另一个系统知识进一步地行动,或简单地记录并向利益相关者报告,检查和分辨之前冲突。
    详细请看:“知识发现”和“数据挖掘”之间的区别
    数据挖掘文章列表
    固顶文章如何使用LinkedIn进行数据挖掘01-13
    在如何使用微博进行数据挖掘之后,让我再对如何利用LinkedIn进行数据挖掘给点建议。
    固顶文章数据挖掘师作为诚实的代理人和变革推动者的角色01-12
    人们说你不可能在自己的土地上成为一位先知。作为一名总是以局外人的身份做数据挖掘的人,我发现这是真的。我发现建造一个模型时很少有超过10 - 20%的时间是花在电脑前的,有三分之一的时间是根本没有花在电脑前的。这就解释了我发现自己那些时间里并没有在用数据挖掘软件,或任何软件。还有什么别的要做的吗?
    固顶文章预测分析如何帮助银行的12-16
    你知道吗,那些有著旧传统的老的金融企业通过使用预测分析来改善客户服务,以达到21世纪企业的水准?是的,使用预测分析,银行业发现更多的途径来管理和客户的关系,包括更好的广告和市场推销,了解客户的购买行为(向上促销,交叉销售),和产生长期的客户忠诚度,保留,客户筛选和奖励制度。
    固顶文章美国国土安全部测试犯罪预测技术11-09
    随着预测分析在商业世界里成为一种新兴的趋势,美国国土安全部(DHS)开始测试在事发前就对人们与暴力或犯罪相联系的行为进行甄别的项目。
    固顶文章用预测分析和规则来打击欺诈行为11-03
    通过分析和规则的一起使用,可以在多个阶段更高效地侦测保险索赔欺诈。
    固顶文章预测分析和确定性的业务11-02
    想要为你的公司做出真正明智的决策吗?很简单,只要展望未来和评估数据 — 几个年轻的经营“预测分析”服务公司正在推销这一服务。
    固顶文章数据科学有助于数据挖掘,数据分析10-28
    “数据科学家”这一术语尚未失去吸引力,据Metamarkets公司的共同创始人及首席技术官Michael Driscoll说。Metamarkets是一家为数字、社交和移动媒体公司提供预测分析的创业公司。数据挖掘,预测分析的目标是研究过去,但最终能生成对未来的预测。
    固顶文章数据分析,数据挖掘在告诉我们什么10-24
    这数据能告诉我们什么,以及我们如何使用它通过数据挖掘来提高我们的服务,更了解我们的客户,让我们公用事业的运营更高效。调整商业智能(BI),利用一种分析策略,提供一个更全面的了解。
    固顶文章预测分析的战略效益10-20
    企业通过对他们的运营和历史数据采用预测分析,可以获得明显的长期利益。
    固顶文章商业智能是如何帮助预测流行趋势的09-29
    数据挖掘,预测分析和社交媒体的结合有助于零售企业预测反复无常的时装趋势,但它还不能代替专家的判断。
    固顶文章调查发现新工具驱动大数据分析数据挖掘09-13
    数据仓库研究所(TDWI)报告称,随着技术问题的解决,大数据已经成为至关重要的资产。
    固顶文章Rovio想要预测愤怒的小鸟玩家的动作09-02
    愤怒的小鸟的创造者Rovio正在用来自位于西雅图的创业公司Medio 的预测分析软件来尝试数据挖掘提高用户的游戏体验并让游戏者一直玩下去。
    固顶文章新的大数据的知识发现和数据挖掘09-01
    来自如谷歌和雅虎这样的公司的顶尖的科学家,和高级学者们一起齐聚在本周在圣地亚哥举行的第17次计算机械协会(ACM)的知识发现和数据挖掘(KDD)会议上,将展示从当下数据中寻找洞察力的最新技术。
    固顶文章预测分析在保险业价值体现是不可估量的08-26
    在保险业,利用预测分析指导其他方面的业务的能力,例如索赔的过程。数据的获取提供了丰富的机会,例如识别医疗欺诈,假的事故,损害累积,不同的修理费用,拖车,租车费用,和存放。当正确地设置时,对这些信息的使用让公司和消费者双方的受益都是不可估量的。
    固顶文章先睹为快 — Oracle数据挖掘的更新介绍08-22
    最近从 Oracle中得到一次Oracle数据挖掘 (ODM)的更新介绍。Oracle数据挖掘(ODM)是一 种数据库内的数据挖掘和预测分析引擎,允许你在通过你的Oracle数据基础设施可以访问的数据上建立和使用高级预测分析模型。去年在这个“先睹为快 — Oracle数据挖掘” 中广泛地写了关于Or

    23 篇文章  首页 上一页 下一页 尾页 页次:1/2页  15篇文章/页 转到:
     
    本栏最新热门关键字
     
    专 题 栏 目
     中国商业智能BI产品年度调查评选大会
     Oracle BI(Hyperion,OBIEE)产品专题
     SAP(BO,Crystal)商业智能产品专题
     开源商业智能工具Pentaho技术专题
     全球商业智能BI系列产品专题
     iPhone,Andirod手机移动商业智能专题
     IBM(DataStage,Cognos,SPSS)BI产品
     中国商业智能(BI)-CIOs专栏
    最 新 热 门
    固顶文章数据挖掘有助于学生
    固顶文章确保选择牢靠的商业智能(BI)软件
    固顶文章中国手机市场苹果跌落至第六
    固顶文章2013年智能手机行业的动态变化
    固顶文章用户不会使用商业智能解决方案的原因
    固顶文章2013年值得关注的三大移动营销技术
    固顶文章5个预测分析用例
    固顶文章新的商业智能(BI)
    固顶文章如何使用大数据来阻止客户流失
    固顶文章预测分析对澳大利亚邮政的回报
    娱 乐 资 讯
    最 新 推 荐
    固顶文章安讯探智研讨会结束 引领行业新风向
    固顶文章解决大数据的开源工具
    固顶文章你应该立刻投资商业智能(BI)的六大理由
    固顶文章2012年高级分析中最热门的是什么
    固顶文章大数据: 开源软件会对商业智能(BI)和分
    固顶文章2012年商业智能的6大预测
    固顶文章看2012年大数据分析的趋势
    固顶文章在商业智能(BI)中成功融合大数据的10个…
    固顶文章Hadoop用来补充而非替代关系型数据库
    固顶文章传统分析与大数据分析的对比
    网站合作、内容监督、商务咨询、投诉建议 电话:0512-62861389  邮箱:chianbi@126.com
    Copyright 2004-2014 中国商业智能网版权所有   |    苏 ICP 备 13004727 号