|
|
本帖最后由 pastime_Wang 于 2013-7-11 11:27 编辑
占位，更新！
很少去网上搜索，下面是自己的个人体会，如有雷同，纯属巧合！
1、数据挖掘常用的技巧和工具有哪些?
我曾经使用和接触过的工具:
Sqlserver ~ SSAS: 通过聚集运算 建立CUBE, 再进行多维分析；
IBM ~ Cognos SPSS: 采用数据挖掘标准流程，包括封转好的数据挖掘算法，
如: 神经网络、决策树分析、回归分析等，方便开发者调用
Weka : 开源数据挖掘工具中算不错的，尤其是其数据分布式的集群处理能力
/******************************************************************************************************/
2、数据挖掘的意思何在？
目前数据挖掘 = 机器学习 + 统计技术 + 数据 (仓) 库技术
未来数据挖掘 = 机器学习 + 统计技术 + 大数据技术 + 数据可视化技术
/******************************************************************************************************/
3、试读图书章节后谈谈您的感想？
我觉得数据挖掘的关注点在于:
1.数据挖掘往往涉及非常多的知识领域，如数据库与数据仓库、统计学理论、机器学习、数据可视化等。在这些技术的支持下，
必须深入分析业务，结合业务特点，从而得出有益结论。
2.在模型算法的选择中（目前主要是对结构化的关系型数据进行分析），从现有的指标体系中, 找出与挖掘主题相适应的指标或指标组合，
这是一个很耗时的 、不断探索的过程。往往首先采用相关性检测,来验证各个指标对模型的显著性关系。
3.数据挖掘要结合实际业务特点，从有监督或无监督的算法中进行选择，还需要考虑各种算法的处理效率和扩展性
4.数据挖掘结果指导业务的效果，往往短期内很难用是否"好"来进行判断，需要后期通过对产生更多的数据，不断的进行模型效果的检测，
来证明模型算法的合理性和有效性
很想看看卢大师的这本书，据说口碑不错！
|
|
楼主: hwayw
IP卡
狗仔卡
发表于 2013-6-21 16:45
显身卡
