当前位置: 首页 > article >正文

PART 1 数据挖掘概论 — 数据挖掘方法论

目录

数据库知识发掘步骤

数据挖掘技术的产业标准

CRISP-DM

SEMMA


数据库知识发掘步骤

        数据库知识发掘(Knowledge Discovery in Database,KDD)是从数据库中的大量数据中发现不明显、之前未知、可能有用的知识。

        知识发掘流程(Knowledge Discovery Process)包括属性选择(attribute selection)、数据清洗(data cleasing)、属性丰富(attribute enrichment)、数据编码(data coding)、数据挖掘(data mining)和报告(reporting)


数据挖掘技术的产业标准

        数据挖掘技术的产业标准主要包括CRISP-DMSEMMA方法论。

CRISP-


http://www.kler.cn/a/371452.html

相关文章:

  • git下载和配置
  • GPT-Sovits-1-数据处理
  • 【优选算法篇】前缀之序,后缀之章:于数列深处邂逅算法的光与影
  • python之多任务爬虫——线程、进程、协程的介绍与使用(16)
  • 计算和比较不同图像重建方法之间的视觉相似性,使用 LPIPS(Learned Perceptual Image Patch Similarity)度量来评估。
  • Qt元对象系统 —— 信号与槽
  • H.264视频压缩与MP4/MKV封装格式的详尽指南
  • 【C++】入门C++
  • Leetcode 第 420 场周赛题解
  • 数学建模清风——论文写作方法教程笔记
  • 无人机之多源信息融合算法篇
  • 【ms-swift 大模型微调实战】
  • 自动化机器学习(AutoML)详解
  • 【Spring】IocDI
  • 端到端自动驾驶模型SparseDrive论文阅读笔记
  • HarmonyOS:@Watch装饰器:状态变量更改通知
  • webAssembly初探
  • Python BeautifulSoup 实战案例:抓取网页并提取数据
  • 【C++】智能指针:解决内存泄漏、悬空指针等问题
  • 【Unity基础】初识UI Toolkit - 编辑器UI
  • 简记 Vue3(一)—— setup、ref、reactive、toRefs、toRef
  • PyTorch模块介绍
  • 【IC每日一题】
  • 【架构-36】常见的各类锁的特点
  • C++学习:类和对象(二)
  • [ 问题解决篇 ] 解决远程桌面安全登录框的问题