传统的数据挖掘统计方法包括回归分析、主成分分析、聚类分析;
非机器的数据挖掘统计学习方法包括模糊集、粗糙集、支持向量机。
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、专家系统和模式识别等诸多方法来实现上述目标。现在人们迫切希望能对海量数据进行深入分析,发现并提取隐藏在其中的信息,以便更好地利用这些数据,正是因为这样的需求,数据挖掘技术应运而生。数据挖掘有很多合法的用途,例如可以在患者群的数据库中查出某药物和其副作用的关系。这种关系可能在1000人中也不会出现一例,但药物学相关的项目就可以运用此方法减少对药物有不良反应的病人数量,还有可能挽救生命。
关于数据挖掘的相关学习,这里推荐CDA数据师的相关课程,课程内容兼顾培养解决数据挖掘流程问题的横向能力以及解决数据挖掘算法问题的纵向能力。要求学生具备从数据治理根源出发的思维,通过数字化工作方法来探查业务问题,通过近因分析、宏观根因分析等手段,再选择业务流程优化工具还是算法工具,而非“遇到问题调算法包”。
点击预约免费试听课。