完善資料讓更多小伙伴認(rèn)識(shí)你，還能領(lǐng)取20積分哦，立即完善>
標(biāo)簽 > 數(shù)據(jù)挖掘
數(shù)據(jù)挖掘（英語(yǔ)：Data mining），又譯為資料探勘、數(shù)據(jù)采礦。它是數(shù)據(jù)庫(kù)知識(shí)發(fā)現(xiàn)（英語(yǔ)：Knowledge-Discovery in Databases，簡(jiǎn)稱(chēng)：KDD）中的一個(gè)步驟。
數(shù)據(jù)挖掘（英語(yǔ)：Data mining），又譯為資料探勘、數(shù)據(jù)采礦。它是數(shù)據(jù)庫(kù)知識(shí)發(fā)現(xiàn)（英語(yǔ)：Knowledge-Discovery in Databases，簡(jiǎn)稱(chēng)：KDD）中的一個(gè)步驟。數(shù)據(jù)挖掘一般是指從大量的數(shù)據(jù)中通過(guò)算法搜索隱藏于其中信息的過(guò)程。數(shù)據(jù)挖掘通常與計(jì)算機(jī)科學(xué)有關(guān)，并通過(guò)統(tǒng)計(jì)、在線分析處理、情報(bào)檢索、機(jī)器學(xué)習(xí)、專(zhuān)家系統(tǒng)（依靠過(guò)去的經(jīng)驗(yàn)法則）和模式識(shí)別等諸多方法來(lái)實(shí)現(xiàn)上述目標(biāo)。
數(shù)據(jù)挖掘（英語(yǔ)：Data mining），又譯為資料探勘、數(shù)據(jù)采礦。它是數(shù)據(jù)庫(kù)知識(shí)發(fā)現(xiàn)（英語(yǔ)：Knowledge-Discovery in Databases，簡(jiǎn)稱(chēng)：KDD）中的一個(gè)步驟。數(shù)據(jù)挖掘一般是指從大量的數(shù)據(jù)中通過(guò)算法搜索隱藏于其中信息的過(guò)程。數(shù)據(jù)挖掘通常與計(jì)算機(jī)科學(xué)有關(guān)，并通過(guò)統(tǒng)計(jì)、在線分析處理、情報(bào)檢索、機(jī)器學(xué)習(xí)、專(zhuān)家系統(tǒng)（依靠過(guò)去的經(jīng)驗(yàn)法則）和模式識(shí)別等諸多方法來(lái)實(shí)現(xiàn)上述目標(biāo)。
需要是發(fā)明之母。近年來(lái)，數(shù)據(jù)挖掘引起了信息產(chǎn)業(yè)界的極大關(guān)注，其主要原因是存在大量數(shù)據(jù)，可以廣泛使用，并且迫切需要將這些數(shù)據(jù)轉(zhuǎn)換成有用的信息和知識(shí)。獲取的信息和知識(shí)可以廣泛用于各種應(yīng)用，包括商務(wù)管理，生產(chǎn)控制，市場(chǎng)分析，工程設(shè)計(jì)和科學(xué)探索等。
數(shù)據(jù)挖掘利用了來(lái)自如下一些領(lǐng)域的思想：（1） 來(lái)自統(tǒng)計(jì)學(xué)的抽樣、估計(jì)和假設(shè)檢驗(yàn)，（2）人工智能、模式識(shí)別和機(jī)器學(xué)習(xí)的搜索算法、建模技術(shù)和學(xué)習(xí)理論。數(shù)據(jù)挖掘也迅速地接納了來(lái)自其他領(lǐng)域的思想，這些領(lǐng)域包括最優(yōu)化、進(jìn)化計(jì)算、信息論、信號(hào)處理、可視化和信息檢索。一些其他領(lǐng)域也起到重要的支撐作用。特別地，需要數(shù)據(jù)庫(kù)系統(tǒng)提供有效的存儲(chǔ)、索引和查詢(xún)處理支持。源于高性能（并行）計(jì)算的技術(shù)在處理海量數(shù)據(jù)集方面常常是重要的。分布式技術(shù)也能幫助處理海量數(shù)據(jù)，并且當(dāng)數(shù)據(jù)不能集中到一起處理時(shí)更是至關(guān)重要。
什么是高維數(shù)據(jù)_高維數(shù)據(jù)如何定義
高維數(shù)據(jù)的概念其實(shí)不難，簡(jiǎn)單的說(shuō)就是多維數(shù)據(jù)的意思。平時(shí)我們經(jīng)常接觸的是一維數(shù)據(jù)或者可以寫(xiě)成表形式的二維數(shù)據(jù)，高維數(shù)據(jù)也可以類(lèi)推，不過(guò)維數(shù)較高的時(shí)候，直...
2018-02-12 標(biāo)簽：數(shù)據(jù)數(shù)據(jù)挖掘高維數(shù)據(jù) 6.4萬(wàn) 0
如何選擇適合的聚類(lèi)算法？聚類(lèi)分析時(shí)需要使用什么變量？
隨機(jī)采樣的樣本大小很重要，也不能過(guò)小。需要足夠有代表性，即小樣本依然可以代表總體的數(shù)據(jù)分布。如果最終需要?jiǎng)澐趾芏鄠€(gè)簇，那么要非常小心，因?yàn)樾颖究赡軣o(wú)法...
2019-04-01 標(biāo)簽：數(shù)據(jù)挖掘聚類(lèi)算法聚類(lèi)分析 3.9萬(wàn) 0
大數(shù)據(jù)分析與數(shù)據(jù)挖掘發(fā)展前景分析
潮流是一股可笑又可敬的力量：今天，如果打開(kāi)任何媒體，要是不提“大數(shù)據(jù)”，恐怕都不好意思出版。這股潮流，鋪天蓋地，連國(guó)家領(lǐng)導(dǎo)人都不例外。問(wèn)題在于：為什么人...
2017-12-31 標(biāo)簽：數(shù)據(jù)挖掘大數(shù)據(jù) 3.2萬(wàn) 0
什么叫數(shù)據(jù)挖掘_數(shù)據(jù)挖掘技術(shù)解析
數(shù)據(jù)挖掘與傳統(tǒng)意義上的統(tǒng)計(jì)學(xué)不同。統(tǒng)計(jì)學(xué)推斷是假設(shè)驅(qū)動(dòng)的，即形成假設(shè)并在數(shù)據(jù)基礎(chǔ)上驗(yàn)證他；數(shù)據(jù)挖掘是數(shù)據(jù)驅(qū)動(dòng)的，即自動(dòng)地從數(shù)據(jù)中提取模式和假設(shè)。數(shù)據(jù)挖掘...
2017-12-31 標(biāo)簽：數(shù)據(jù)挖掘數(shù)據(jù)挖掘技術(shù) 2.0萬(wàn) 0
kNN算法是監(jiān)督學(xué)習(xí)中分類(lèi)方法的一種
k值得選取對(duì)kNN學(xué)習(xí)模型有著很大的影響。若k值過(guò)小，預(yù)測(cè)結(jié)果會(huì)對(duì)噪音樣本點(diǎn)顯得異常敏感。特別地，當(dāng)k等于1時(shí)，kNN退化成最近鄰算法，沒(méi)有了顯式的學(xué)習(xí)...
2018-09-19 標(biāo)簽：算法數(shù)據(jù)挖掘 1.2萬(wàn) 0
一種基于智慧運(yùn)營(yíng)平臺(tái)，將大數(shù)據(jù)技術(shù)和數(shù)據(jù)挖掘技術(shù)相結(jié)合
為了進(jìn)一步提前鎖定離網(wǎng)傾向用戶(hù)，經(jīng)過(guò)歷史數(shù)據(jù)的比對(duì)，結(jié)合用戶(hù)使用行為的分析，決定將過(guò)繳費(fèi)期10天未繳費(fèi)的用戶(hù)定義為流失用戶(hù)。根據(jù)傳統(tǒng)數(shù)據(jù)挖掘?qū)崿F(xiàn)的離網(wǎng)預(yù)...
2018-11-15 標(biāo)簽：數(shù)字化數(shù)據(jù)挖掘大數(shù)據(jù) 7650 0
數(shù)據(jù)挖掘算法：決策樹(shù)算法如何學(xué)習(xí)及分裂剪枝
決策樹(shù)（decision tree）算法基于特征屬性進(jìn)行分類(lèi)，其主要的優(yōu)點(diǎn)：模型具有可讀性，計(jì)算量小，分類(lèi)速度快。決策樹(shù)算法包括了由Quinlan提出的...
2018-07-21 標(biāo)簽：數(shù)據(jù)挖掘決策樹(shù) 6056 0
東方網(wǎng)力的視頻圖像解析系統(tǒng)具有強(qiáng)大的跨網(wǎng)跨域共享功能，其在網(wǎng)內(nèi)，有一點(diǎn)查詢(xún)就能實(shí)現(xiàn)全網(wǎng)響應(yīng)的多級(jí)視圖大數(shù)據(jù)級(jí)聯(lián)應(yīng)用?；诟骷?jí)視頻圖像解析系統(tǒng)，能夠提供跨...
2018-11-15 標(biāo)簽：云計(jì)算物聯(lián)網(wǎng)數(shù)據(jù)挖掘 5825 0
結(jié)合代碼實(shí)例帶你上手python數(shù)據(jù)挖掘和機(jī)器學(xué)習(xí)技術(shù)
什么是數(shù)據(jù)挖掘？數(shù)據(jù)挖掘指的是對(duì)現(xiàn)有的一些數(shù)據(jù)進(jìn)行相應(yīng)的處理和分析，最終得到數(shù)據(jù)與數(shù)據(jù)之間深層次關(guān)系的一種技術(shù)。
2018-04-10 標(biāo)簽：數(shù)據(jù)挖掘Python 5678 0
Apriori算法是一種挖掘關(guān)聯(lián)規(guī)則的頻繁項(xiàng)集算法，其核心思想是通過(guò)候選集生成和情節(jié)的向下封閉檢測(cè)兩個(gè)階段來(lái)挖掘頻繁項(xiàng)集。而且算法已經(jīng)被廣泛的應(yīng)用到商業(yè)...
2018-02-04 標(biāo)簽：數(shù)據(jù)挖掘Apriori算法 5330 0
模糊關(guān)系如何進(jìn)行合成運(yùn)算詳細(xì)資料研究分析立即下載
類(lèi)別：模擬數(shù)字論文 2018-12-19 標(biāo)簽：模式識(shí)別數(shù)據(jù)挖掘機(jī)器學(xué)習(xí)
數(shù)據(jù)庫(kù)表的系統(tǒng)總體模板設(shè)計(jì)的實(shí)例資料說(shuō)明立即下載
類(lèi)別：C語(yǔ)言|源代碼 2018-10-26 標(biāo)簽：數(shù)據(jù)庫(kù)系統(tǒng)設(shè)計(jì)數(shù)據(jù)挖掘
基于圖論的化學(xué)分子數(shù)據(jù)挖掘研究立即下載
類(lèi)別：數(shù)字信號(hào)處理論文 2009-09-14 標(biāo)簽：數(shù)據(jù)挖掘化學(xué)分子
如何使用K-Means聚類(lèi)算法改進(jìn)的特征加權(quán)算法詳細(xì)資料概述立即下載
類(lèi)別：模擬數(shù)字論文 2018-12-20 標(biāo)簽：算法數(shù)據(jù)庫(kù)人工智能
如何使用無(wú)監(jiān)督形狀對(duì)時(shí)間序列進(jìn)行聚類(lèi)的資料說(shuō)明立即下載
類(lèi)別：模擬數(shù)字論文 2019-05-15 標(biāo)簽：函數(shù)數(shù)據(jù)挖掘標(biāo)簽
物聯(lián)網(wǎng)IOT的工程試題庫(kù)資料合集免費(fèi)下載立即下載
類(lèi)別：物聯(lián)網(wǎng) 2019-06-11 標(biāo)簽：云計(jì)算物聯(lián)網(wǎng)人工智能
數(shù)據(jù)分析、數(shù)據(jù)挖掘和數(shù)據(jù)統(tǒng)計(jì)的概念與主要區(qū)別及其舉例分析立即下載
類(lèi)別：測(cè)試測(cè)量 2017-09-28 標(biāo)簽：數(shù)據(jù)挖掘數(shù)據(jù)分析數(shù)據(jù)統(tǒng)計(jì)
基于BERT+Bo-LSTM+Attention的病歷短文分類(lèi)模型立即下載
類(lèi)別：模型|Macromodel 2021-04-26 標(biāo)簽：網(wǎng)絡(luò)模型數(shù)據(jù)挖掘
類(lèi)別：人工智能 2020-04-23 標(biāo)簽：計(jì)算機(jī)人工智能數(shù)據(jù)挖掘
如何使用Spark進(jìn)行并行化出租車(chē)軌跡熱點(diǎn)區(qū)域的提取與分析資料概述立即下載
類(lèi)別：模擬數(shù)字 2018-11-23 標(biāo)簽：GPS數(shù)據(jù)挖掘Spark
數(shù)據(jù)挖掘方法有哪些_數(shù)據(jù)挖掘方法分類(lèi)總結(jié)
數(shù)據(jù)挖掘就是從大量的、不完全的、有噪聲的、模糊的、隨機(jī)的數(shù)據(jù)中，提取隱含在其中的、人們事先不知道的但又是潛在有用的信息和知識(shí)的過(guò)程?！?shù)據(jù)挖掘涉及的學(xué)科...
2017-12-29 標(biāo)簽：數(shù)據(jù)挖掘 7.1萬(wàn) 0
數(shù)據(jù)挖掘工具有哪些數(shù)據(jù)挖掘軟件排名
隨著數(shù)據(jù)量的爆炸式增長(zhǎng)，我們需要借助一些有效的工具進(jìn)行數(shù)據(jù)挖掘工作，從而幫助我們更輕松地從巨大的數(shù)據(jù)集中找出關(guān)系、集群、模式、分類(lèi)信息等。借助這類(lèi)工具可...
2017-12-31 標(biāo)簽：數(shù)據(jù)挖掘 4.0萬(wàn) 0
本視頻主要詳細(xì)介紹了數(shù)據(jù)挖掘的任務(wù)有哪些，分別是關(guān)聯(lián)分析（associationanalysis）、聚類(lèi)分析（clustering）、分類(lèi)（classi...
2019-04-10 標(biāo)簽：數(shù)據(jù)挖掘 2.1萬(wàn) 0
全球的50多名頂尖工程師被選為皇家工程院院士!華人院士共7名
英國(guó)皇家工程院成立于1976年，迄今為止共有約1600名院士。其每年接納的新院士最多不超過(guò)60位。院士可以用頭銜“Fellow of The Royal...
2018-10-08 標(biāo)簽：互聯(lián)網(wǎng)數(shù)據(jù)挖掘 1.6萬(wàn) 0
不斷進(jìn)步的醫(yī)療科技，從科幻變?yōu)楝F(xiàn)實(shí)的技術(shù)應(yīng)用
通過(guò)識(shí)別行為模式并創(chuàng)建自己的邏輯，人工智能與機(jī)器學(xué)習(xí)算法將改變醫(yī)療健康的各個(gè)方面。從簡(jiǎn)單任務(wù)的自動(dòng)化到全新藥物的研發(fā)，從在線咨詢(xún)到設(shè)計(jì)治療計(jì)劃，從藥物管...
2019-04-17 標(biāo)簽：人工智能數(shù)據(jù)挖掘醫(yī)療科技 1.4萬(wàn) 0
本視頻主要詳細(xì)介紹了數(shù)據(jù)挖掘的四類(lèi)方法，分別是神經(jīng)網(wǎng)絡(luò)方法、遺傳算法、決策樹(shù)方法、粗集方法。
2019-04-10 標(biāo)簽：數(shù)據(jù)挖掘 1.4萬(wàn) 0
本視頻主要詳細(xì)介紹了數(shù)據(jù)挖掘常用算法，分別是樸素貝葉斯、邏輯回歸（logisticregression）、最近鄰算法——KNN、決策樹(shù)、Adaboosting。
2019-04-10 標(biāo)簽：數(shù)據(jù)挖掘 1.4萬(wàn) 0
機(jī)器學(xué)習(xí)與數(shù)據(jù)挖掘的關(guān)系
機(jī)器學(xué)習(xí)是一門(mén)更加偏向理論性學(xué)科，其目的是為了讓計(jì)算機(jī)不斷學(xué)習(xí)找到接近目標(biāo)函數(shù)f的假設(shè)h。而數(shù)據(jù)挖掘則是使用了包括機(jī)器學(xué)習(xí)算法在內(nèi)的眾多知識(shí)的一門(mén)應(yīng)用學(xué)...
2018-01-05 標(biāo)簽：數(shù)據(jù)挖掘機(jī)器學(xué)習(xí) 1.1萬(wàn) 0
本視頻主要詳細(xì)介紹了數(shù)據(jù)挖掘的特點(diǎn)是什么，分別是基于大量數(shù)據(jù)、非平凡性、隱含性、新奇性、價(jià)值性。
2019-04-10 標(biāo)簽：數(shù)據(jù)挖掘 8900 0
周志華等人新書(shū)：《演化學(xué)習(xí)：理論和算法的進(jìn)展》正式上線！
《Evolutionary Learning: Advances in Theories and Algorithms》為原書(shū)名，因?yàn)槲⑿殴娞?hào)標(biāo)題長(zhǎng)度...
2019-04-19 標(biāo)簽：人工智能數(shù)據(jù)挖掘機(jī)器學(xué)習(xí) 8454 0
換一批
編輯推薦廠商產(chǎn)品技術(shù)軟件/工具OS/語(yǔ)言教程專(zhuān)題
| 電機(jī)控制 | DSP | 氮化鎵 | 功率放大器 | ChatGPT | 自動(dòng)駕駛 | TI | 瑞薩電子 |
| BLDC | PLC | 碳化硅 | 二極管 | OpenAI | 元宇宙 | 安森美 | ADI |
| 無(wú)刷電機(jī) | FOC | IGBT | 逆變器 | 文心一言 | 5G | 英飛凌 | 羅姆 |
| 直流電機(jī) | PID | MOSFET | 傳感器 | 人工智能 | 物聯(lián)網(wǎng) | NXP | 賽靈思 |
| 步進(jìn)電機(jī) | SPWM | 充電樁 | IPM | 機(jī)器視覺(jué) | 無(wú)人機(jī) | 三菱電機(jī) | ST |
| 伺服電機(jī) | SVPWM | 光伏發(fā)電 | UPS | AR | 智能電網(wǎng) | 國(guó)民技術(shù) | Microchip |
| Arduino | BeagleBone | 樹(shù)莓派 | STM32 | MSP430 | EFM32 | ARM mbed | EDA |
| 示波器 | LPC | imx8 | PSoC | Altium Designer | Allegro | Mentor | Pads |
| OrCAD | Cadence | AutoCAD | 華秋DFM | Keil | MATLAB | MPLAB | Quartus |
| C++ | Java | Python | JavaScript | node.js | RISC-V | verilog | Tensorflow |
| Android | iOS | linux | RTOS | FreeRTOS | LiteOS | RT-THread | uCOS |
| DuerOS | Brillo | Windows11 | HarmonyOS |
關(guān)注我們的微信
下載發(fā)燒友APP
電子發(fā)燒友觀察
版權(quán)所有 ? 湖南華秋數(shù)字科技有限公司
長(zhǎng)沙市望城經(jīng)濟(jì)技術(shù)開(kāi)發(fā)區(qū)航空路6號(hào)手機(jī)智能終端產(chǎn)業(yè)園2號(hào)廠房3層（0731-88081133）
電子發(fā)燒友 （電路圖） 湘公網(wǎng)安備43011202000918
工商網(wǎng)監(jiān)
湘ICP備2023018690號(hào)-1
