- 1、本文档共121页,可阅读全部内容。
- 2、有哪些信誉好的足球投注网站(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
数据仓库与数据挖掘;数据仓库与数据挖掘;第五章 数据挖掘过程;5.1 数据挖掘的方法与基本流程;5.1.1 数据挖掘的体系结构;5.1.2 数据挖掘的过程模型;(1) Fayyad数据挖掘模型;(1) Fayyad数据挖掘模型;(1) Fayyad数据挖掘模型;(2) CRISP-DM模型;(2) CRISP-DM模型;(2) CRISP-DM模型;(2) CRISP-DM模型;(2) CRISP-DM模型;(2) CRISP-DM模型;(2) CRISP-DM模型;(2) CRISP-DM模型;(2) CRISP-DM模型;5.1.3 数据挖掘的基本流程;第五章 数据挖掘过程;5.2 数据预处理;5.2.1 数据的收集和准备;5.2.1 数据的收集和准备;5.2.2 数据清理;5.2.2 数据清理;5.2.2 数据清理——空缺值 ;5.2.2 数据清理——噪声数据 ;数据平滑的分箱方法;5.2.2 数据清理——噪声数据;5.2.2 数据清理——不一致数据 ;5.2.3 数据集成;5.2.3 数据集成;5.2.3 数据集成;5.2.3 数据集成;5.2.4 数据变换;5.2.4 数据变换;5.2.4 数据变换;5.2.4 数据变换;5.2.4 数据变换;5.2.4 数据变换;5.2.4 数据变换;5.2.4 数据变换;5.2.5 数据归约;5.2.5 数据归约——数据立方体聚集 ;5.2.5 数据归约——维归约 ;5.2.5 数据归约——维归约;5.2.5 数据归约——维归约;5.2.5 数据归约——维归约;5.2.5 数据归约——维归约;5.2.5 数据归约——维归约;5.2.5 数据归约——数据压缩 ;5.2.5 数据归约——数据压缩;5.2.5 数据归约——数据压缩;5.2.5 数据归约——数值归约 ;5.2.5 数据归约——数值归约;5.2.5 数据归约——数值归约;5.2.5 数据归约——数值归约;5.2.5 数据归约——数值归约;5.2.5 数据归约——数值归约;5.2.5 数据归约——数值归约;5.2.5 数据归约——数值归约;5.2.5 数据归约——数值归约;5.2.5 数据归约——数值归约;5.2.6 离散化和概念分层生成 ;数值数据的离散化和概念分层的生成 ;数值数据的离散化和概念分层的生成;数值数据的离散化和概念分层的生成;数值数据的离散化和概念分层的生成;数值数据的离散化和概念分层的生成;数值数据的离散化和概念分层的生成;数值数据的离散化和概念分层的生成;数值数据的离散化和概念分层的生成;数值数据的离散化和概念分层的生成;分类数据的概念分层生成 ;分类数据的概念分层生成 ;分类数据的概念分层生成;分类数据的概念分层生成;分类数据的概念分层生成;分类数???的概念分层生成;分类数据的概念分层生成;5.2.7 微软数据转换服务(DTS);第五章 数据挖掘过程;5.3 确定主题和定义数据挖掘任务;5.3.1 确定主题;(1)了解主题的局限性 ;(2)选择良好的主题 ;(3)主题的类型 ;(3)主题的类型;(3)主题的类型;(3)主题的类型;(3)主题的类型;(3)主题的类型;(3)主题的类型;(4)哪些因素需要分析 ;(4)哪些因素需要分析;(4)哪些因素需要分析;(4)哪些因素需要分析;(5)数据抽样问题 ;5.3.2 定义数据挖掘任务;第五章 数据挖掘过程;5.4 数据挖掘的模型建立与理解;5.4.1 读入数据并建立模型;(1)关于模型的准确性;(2)关于模型的可理解性;(3)关于模型的性能;(4)描述和可视化;5.4.2 理解模型;(1)模型概要 ;(1)模型概要;(1)模型概要;(2)数据分布 ;(3)验证与评估;(3)验证与评估;(3)验证与评估;(3)验证与评估;第五章 数据挖掘过程;5.5 预测 ;5.5 预测;5.5 预测;第五章 数据挖掘过程;5.6 数据挖掘中常见的一些问题
文档评论(0)