数据挖掘学习06 - 《数据挖掘导论》导读

简介:

读完了《数据挖掘导论》(简称IDM)的前言和第一章,了解到本书主要负责数据挖掘的5个主题

  1. 数据预处理 Chp 2 3
  2. 分类 Chp 4 5
  3. 关联 Chp 6 7
  4. 聚类 Chp  8 9
  5. 异常探测 Chp 10

前面的四个主题均分为两部分:基础和高级。所以如果希望有大概了解,可以先看所有的基础部分,然后再找自己感兴趣的主题,阅读高级部分。

主题的依赖关系,数据预处理最基础,最好先读。分类,关联和聚类顺序任意。异常探测需要分类,关联和聚类的知识,所以最好最后阅读。

声明:如有转载本博文章,请注明出处。您的支持是我的动力!文章部分内容来自互联网,本人不负任何法律责任。
本文转自bourneli博客园博客,原文链接:http://www.cnblogs.com/bourneli/archive/2012/10/31/2748675.html ,如需转载请自行联系原作者
相关文章
|
机器学习/深度学习 人工智能 算法
04 机器学习 - 数据挖掘与机器学习导论
04 机器学习 - 数据挖掘与机器学习导论
155 0
|
机器学习/深度学习 算法 数据可视化
数据挖掘(1)--基础知识学习
数据挖掘(Data Mining,DM)是知识发现(KDD)最核心的部分。 数据挖掘数学理论基础的发展,与统计学的发展密不可分。
132 0
|
数据挖掘 算法 编解码
带你读《数据挖掘导论(原书第2版)》之二:数据
本书所涵盖的主题包括:数据预处理、预测建模、关联分析、聚类分析、异常检测和避免错误发现。通过介绍每个主题的基本概念和算法,为读者提供将数据挖掘应用于实际问题所需的必要背景。
|
数据挖掘 算法 数据库
带你读《数据挖掘导论(原书第2版)》之一:绪论
本书所涵盖的主题包括:数据预处理、预测建模、关联分析、聚类分析、异常检测和避免错误发现。通过介绍每个主题的基本概念和算法,为读者提供将数据挖掘应用于实际问题所需的必要背景。
|
机器学习/深度学习 数据采集 算法
数据挖掘导论——综合实验(下)
数据挖掘导论——综合实验
198 0
数据挖掘导论——综合实验(下)
|
机器学习/深度学习 数据可视化 数据挖掘
数据挖掘导论——综合实验(上)
数据挖掘导论——综合实验
149 0
数据挖掘导论——综合实验(上)
|
数据采集 机器学习/深度学习 数据可视化
数据挖掘导论——分类与预测(三)
数据挖掘导论——分类与预测
262 0
数据挖掘导论——分类与预测(三)
|
数据挖掘
数据挖掘导论——分类与预测(二)
数据挖掘导论——分类与预测
267 0
数据挖掘导论——分类与预测(二)
|
数据挖掘
数据挖掘导论——分类与预测(一)
数据挖掘导论——分类与预测
279 0
数据挖掘导论——分类与预测(一)
|
数据可视化 数据挖掘 Linux
数据挖掘导论——可视化分析实验
数据挖掘导论——可视化分析实验
161 0
数据挖掘导论——可视化分析实验

热门文章

最新文章