- 商务智能系列文章目录 【商务智能】数据预处理 【商务智能】数据仓库 ( 多维数据模型 | 多维数据分析 ) 【商务智能】商务智能 ( 概念 | 组成 | 过程 ) 文章目录 商务智能系列文... 商务智能系列文章目录 【商务智能】数据预处理 【商务智能】数据仓库 ( 多维数据模型 | 多维数据分析 ) 【商务智能】商务智能 ( 概念 | 组成 | 过程 ) 文章目录 商务智能系列文...
- 文章目录 I . 分类概念II . 分类 ( 离散值 ) 和 预测 ( 连续值 )III . 分类过程IV . 分类过程中使用的数据集 ( 训练集 | 测试集 | 新数据 )V . 数据预处理VI... 文章目录 I . 分类概念II . 分类 ( 离散值 ) 和 预测 ( 连续值 )III . 分类过程IV . 分类过程中使用的数据集 ( 训练集 | 测试集 | 新数据 )V . 数据预处理VI...
- 文章目录 I . 决策树模型II . 决策树模型 示例III . 决策树算法列举IV . 决策树算法 示例V . 决策树算法性能要求VI . 决策树模型创建 ( 递归创建决策树 )VII . 决策... 文章目录 I . 决策树模型II . 决策树模型 示例III . 决策树算法列举IV . 决策树算法 示例V . 决策树算法性能要求VI . 决策树模型创建 ( 递归创建决策树 )VII . 决策...
- 文章目录 一、 贝叶斯分类器分类的流程二、 贝叶斯分类器分类示例 1 参考博客 : 【数据挖掘】贝叶斯分类 ( 贝叶斯分类器 | 贝叶斯推断 | 逆向概率 | 贝叶斯公式 | 贝叶... 文章目录 一、 贝叶斯分类器分类的流程二、 贝叶斯分类器分类示例 1 参考博客 : 【数据挖掘】贝叶斯分类 ( 贝叶斯分类器 | 贝叶斯推断 | 逆向概率 | 贝叶斯公式 | 贝叶...
- 文章目录 I . 基于方格的聚类方法 简介II . 基于方格的聚类方法 图示III . STING 方法IV . CLIQUE 方法 I . 基于方格的聚类方法 简... 文章目录 I . 基于方格的聚类方法 简介II . 基于方格的聚类方法 图示III . STING 方法IV . CLIQUE 方法 I . 基于方格的聚类方法 简...
- 文章目录 一、 K-Means 聚类算法流程二、 二维数据的 K-Means 聚类1、 第一次迭代2、 第二次迭代 参考博客 : 【数据挖掘】聚类算法 简介 ( 基于划分的聚类... 文章目录 一、 K-Means 聚类算法流程二、 二维数据的 K-Means 聚类1、 第一次迭代2、 第二次迭代 参考博客 : 【数据挖掘】聚类算法 简介 ( 基于划分的聚类...
- 文章目录 一、 关联规则二、 数据项支持度三、 关联规则支持度 参考博客 : 【数据挖掘】关联规则挖掘 Apriori 算法 ( 关联规则简介 | 数据集 与 事物 Transac... 文章目录 一、 关联规则二、 数据项支持度三、 关联规则支持度 参考博客 : 【数据挖掘】关联规则挖掘 Apriori 算法 ( 关联规则简介 | 数据集 与 事物 Transac...
- 文章目录 一、 贝叶斯分类器二、 贝叶斯分类器处理多属性数据集方案 参考博客 : 【数据挖掘】贝叶斯分类 ( 贝叶斯分类器 | 贝叶斯推断 | 逆向概率 | 贝叶斯公式 | 贝叶斯... 文章目录 一、 贝叶斯分类器二、 贝叶斯分类器处理多属性数据集方案 参考博客 : 【数据挖掘】贝叶斯分类 ( 贝叶斯分类器 | 贝叶斯推断 | 逆向概率 | 贝叶斯公式 | 贝叶斯...
- 文章目录 一、 置信度二、 置信度 示例 参考博客 : 【数据挖掘】关联规则挖掘 Apriori 算法 ( 关联规则简介 | 数据集 与 事物 Transaction 概念 | 项 Ite... 文章目录 一、 置信度二、 置信度 示例 参考博客 : 【数据挖掘】关联规则挖掘 Apriori 算法 ( 关联规则简介 | 数据集 与 事物 Transaction 概念 | 项 Ite...
- 文章目录 一、 数据挖掘特点二、 数据挖掘组件化思想三、 决策树模型1、 决策树模型创建2、 树根属性选择 一、 数据挖掘特点 1 . 用于挖掘的数数据源 必须... 文章目录 一、 数据挖掘特点二、 数据挖掘组件化思想三、 决策树模型1、 决策树模型创建2、 树根属性选择 一、 数据挖掘特点 1 . 用于挖掘的数数据源 必须...
- 商务智能系列文章目录 【商务智能】数据预处理 【商务智能】数据仓库 ( 多维数据模型 | 多维数据分析 ) 文章目录 商务智能系列文章目录前言一、数据仓库 与 传统数据库 区别二、数据仓库... 商务智能系列文章目录 【商务智能】数据预处理 【商务智能】数据仓库 ( 多维数据模型 | 多维数据分析 ) 文章目录 商务智能系列文章目录前言一、数据仓库 与 传统数据库 区别二、数据仓库...
- 4、聚类 聚类分析提供由个别数据对象到数据对象所指派到簇的抽象。此外，一些聚类技术使用簇原型（即代表簇中其他对象的数据对象）来刻画簇的特征。聚类分析是研究发现最具有代表性的簇原型的技术。回归和PCA的时间复杂度都是O(m2)。注意：簇的定义是不精确的，而最好的定义依赖于数据的特征和期望的结果。聚类分析与其他将数据对象分组的技术有关... 4、聚类 聚类分析提供由个别数据对象到数据对象所指派到簇的抽象。此外，一些聚类技术使用簇原型（即代表簇中其他对象的数据对象）来刻画簇的特征。聚类分析是研究发现最具有代表性的簇原型的技术。回归和PCA的时间复杂度都是O(m2)。注意：簇的定义是不精确的，而最好的定义依赖于数据的特征和期望的结果。聚类分析与其他将数据对象分组的技术有关...
- 5 异常检测方法 异常对象被称作离群点。异常检测也称偏差检测和例外挖掘。 常见的异常成因：数据来源于不同的类（异常对象来自于一个与大多数数据对象源（类）不同的源（类）的思想），自然变异，以及数据测量或收集误差。 5 异常检测方法 异常对象被称作离群点。异常检测也称偏差检测和例外挖掘。 常见的异常成因：数据来源于不同的类（异常对象来自于一个与大多数数据对象源（类）不同的源（类）的思想），自然变异，以及数据测量或收集误差。
- 3、关联分析 3.1、基本概念 （1）通常认为项在事物中出现比不出现更重要，因此项是非对称二元变量。（2）关联规则是形如X->Y的蕴涵表达式，其中X和Y是不相交的项集，即X交Y=空。（3）由关联规则作出 3、关联分析 3.1、基本概念 （1）通常认为项在事物中出现比不出现更重要，因此项是非对称二元变量。（2）关联规则是形如X->Y的蕴涵表达式，其中X和Y是不相交的项集，即X交Y=空。（3）由关联规则作出
- 数据挖掘的任务分为描述性任务（关联分析、聚类、序列分析、离群点等）和预测任务（回归和分类）两种。本文简介预测任务。 数据挖掘预测与周易预测有相似之处。周易建立在阴阳二元论基础上，对天地万物进行性状归类（天干地支五行论），精确到可以对事物的未来发展做出较为准确的预测。许多学者认为周易理论依据是万事万物的相似性、关联性和全息性原理... 数据挖掘的任务分为描述性任务（关联分析、聚类、序列分析、离群点等）和预测任务（回归和分类）两种。本文简介预测任务。 数据挖掘预测与周易预测有相似之处。周易建立在阴阳二元论基础上，对天地万物进行性状归类（天干地支五行论），精确到可以对事物的未来发展做出较为准确的预测。许多学者认为周易理论依据是万事万物的相似性、关联性和全息性原理...
上滑加载中
推荐直播
-
华为云码道Agent集成与鸿蒙实战2026/08/11 周二 19:00-21:00
王一男-华为云码道产品规划专家；李炎-华为云码道产品专家；彭江敏-华为云鸿蒙端云一体化开发专家
本次直播带你解读华为云码道7月份产品新特性、新功能。更有专家演示码道Agent Space × 钉钉机器集成实战，从0到1打通消息通道；码道鸿蒙端云一体化实战，快速搭建员工签到系统。
回顾中 -
华为云开发者AI素养直播课·第五期2026/09/04 周五 16:00-18:00
林华鼎-华为云AI开发者运营负责人；蒋春阳-华为云AI开发者案例开发专家
本期直播内容： AI工具体验营 · 第5-8课连讲。Agent-Team 多智能体协作完成毕业设计实践
回顾中 -
华为云开发者AI素养ClassRoom·第六期2026/09/08 周二 19:00-20:00
樊渊-2026华为软件挑战赛冠军
高手来了：看软挑高手解析二维排样问题—从工业难题到算法突破
回顾中
热门标签