|
网络数据挖掘，数据挖掘技术 |
| 作者：佚名 来源：转载 |
浅析网络数据挖掘技术 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出有效的、新颖的、潜在有用的，以及最终可理解的知识的非平凡过程。这个定义包括几层含义：数据源必须是真实的、大量的、含噪声的；发现的是用户感兴趣的知识；发现的知识要可接受、可理解、可运用；并不要求发现放之四海皆准的知识，仅支持特定的发现问题。数据挖掘，简单地可理解为通过对环境数据的操作，从数据中发现有用的知识。
&nb more...
浅析数据挖掘技术在教学中的应用 近年来，数据挖掘技术得到了飞跃式发展，其应用领域也涉及到商业零售、电信数据分析、金融数据分析、生物医学分析、教育管理分析等多个领域。随着各行各业信息化建设的不断完善，大量的信息数据为数据挖掘技术的应用提供了基础和保障。本文将以教学为例，利用数据挖掘技术对学生学习成绩进行深入分析。
1、数据挖掘在教育教学中应用的可行性分析
数据驱动学校，分析变革教育的大数 more...
分析现阶段的大数据挖掘带动的变迁 随着数据库产业的膨大，人们对数据库已经不太满足了，于是把databases说成大数据，这便遇到了两个不可回避的挑战，第一个挑战是由于关系代数的形式化约束过于苛刻，无法表示现实数据;第二个挑战是随着数据量的增大，关系代数运算性能急剧下降。在这个时候，我们的存储技术得到了迅猛发展，人类进入了搜索时代。搜索因为存储便宜了，存储的速度大概每9个月翻一番，所以存储带动了技术的脚步，这种搜索时代经过了 more...
数据挖掘：金融信息化新热点 数据挖掘(Data Mining)，指的是从大量、部分、模糊、随机的实际应用数据中，提取隐含其中、人们事先不知道、但又有用的信息，同时用能被人理解的模式进行高级处理的过程。它是数据库中知识发现的最核心部分。折射到金融行业，数据挖掘技术应用的价值在于帮助金融企业分析影响其业务的关键因素，挖掘诸如“平均一个优质客户能赚多少钱，平均一个不良客户能亏损多少钱，创造新客户的成本有多少”等方面的问题，从 more...
大数据挖掘的粒计算理论与方法 从数据分析与处理层面看，粒计算通过将复杂数据进行信息粒化，用信息粒代替样本作为计算的基本单元，可大大提高计算效率。粒计算主要包括数据粒化、多粒度模式发现与融合、多粒度/跨粒度推理等核心研究内容。大数据的表现性态、大数据挖掘面临的挑战、基于大数据的复杂问题建模与粒计算框架的契合之处主要表现在以下3个方面。
1、大数据经常具有多层次/多粒度特性
199 more...
数据挖掘时代表面上，这是一场争夺终端入口布局的混战，但其背后，却是对数据的“觊觎”。互动话题：大数据时代，中小企业要怎么参与？
在《企业的金矿藏在大数据中》详细介绍过大数据挖掘对企业营销的价值。大数据时代下的精准营销跟过去有着质的区别。以往，再精准的营销，对象也是某一类人, 而在大数据环境中，每一个人都可以被区别对待，提供个性化的营销方案。不仅是每一台电脑前的人看到的商品推荐信息不同，即使是同一台电脑前，不 more...
数据挖掘的时代已经来临随着大数据时代的到来，数据对于一个企业的价值无需多说。如何收集商业数据以及从海量数据中提取价值已经成为每个企业必须面对的课题，通过项目数据分析师可以很好的为你做出明确规划。
今天，数据分析师对于理解和构建你的业务是如此的重要，以至于需要有人在上面评估什么样的数据业务应该收集，然后让他变得有价值。
人们是否知道Netflix、Harrah’s、Amazon 和 Wal-Mart有什么共同之处？答案非常简单，他们利用数据分析把竞争 more...
数据挖掘在CRM中的重要性一、CRM实施的前提——客户细分客户细分就是把客户根据其性别、收入、交易行为特征等属性细分为具有不同需求和交易习惯的群体，同一群体中的客户对产品的需求的及交易心理等方面具有相似性，而不同群体间差异较大。
客户群体细分可以使企业在市场营销中制定正确的营销策略，通过对不同类别客户提供有针对性的产品和服务，提高客户对企业和产品的满意度，以获取更大的利润。
客户细分可以采用分类的方法，也可以采用聚类的方法。比 more...
浅析数据挖掘技术 近十多年来，数据挖掘在全世界信息产业界受到了极大的关注，并飞速发展，究其原因，在于全球信息技术的迅速发展和互联网的快速普及造成了数据过量和信息爆炸，人们迫切需要有这样一种技术可以帮助他们从浩如烟海的信息中找出他们真正需要的、有价值的那一部分信息和知识。而数据挖掘正是解决以上问题的有效手段。 关于数据 more...
..
|
|
