- 综合排序
- 最热优先
- 最新优先
- 来自专栏数据科学与人工智能
【数据挖掘】数据挖掘模型的9条经验总结
当前的数据挖掘形式，是在20世纪90年代实践领域诞生的，是在集成数据挖掘算法平台发展的支撑下适合商业分析的一种形式。也许是因为数据挖掘源于 实践而非 理论，在其过程的理解上不太引人注意。 没有业务目标，没有数据挖掘(不管这种表述是否清楚)。因此这个准则也可以说成：数据挖掘是业务过程。 第二，知识律：业务知识是数据挖掘过程每一步的核心 这里定义了数据挖掘过程的一个关键特征。 第三，准备律：数据预处理比数据挖掘其他任何一个过程都重要 这是数据挖掘著名的格言，数据挖掘项目中最费力的事是数据获取和预处理。非正式估计，其占用项目的时间为50%-80%。 数据预处理的目的是把数据挖掘问题转化为格式化的数据，使得分析技术(如数据挖掘算法)更容易利用它。 有五种因素说明试验对于寻找数据挖掘解决方案是必要的： 数据挖掘项目的业务目标定义了兴趣范围(定义域)，数据挖掘目标反映了这一点; 与业务目标相关的数据及其相应的数据挖掘目标是在这个定义域上的数据挖掘过程产生的
82690发布于 2018-02-27 大数据挖掘企业服务平台典型合作案例都有哪些
大数据挖掘企业服务平台典型合作案例1. 中国电科院：电力大数据分析平台电力大数据平台拥有数据采集、数据存储、数据加工处理、数据分析挖掘、数据管控、平台管控、安装部署等功能，但是平台在组件融合、权限控制、对外接口封装等方面还存在不足， 不能够满足企业未来不同类型的大数据应用 运用大数据挖掘算法完善数据分析挖掘模块，实现对 Mahout、Rhadoop 等分析挖掘工具中的算法封装，通过企业数据挖掘应用流程化的模式，使得数据应用开发速度更快，成本更低， 让企业大数据挖掘应用更简单 公路院：道路运输安全大数据分析平台面向道路运输行业和运输企业多层面应用的道路运输安全管理大数据平台，汇聚车辆运行 动态监控数据、新车技术参数、运输企业安全生产管理信息、运政管理信息、气象信息等多源 数据 泰迪大数据挖掘企业服务平台是一款通用的、企业级、智能化的数据分析模型构建与数据应用场景设计工具，能够一体化地完成数据集成、模型构建、模型发布，为数据分析、探索、服务流程提供支撑，提供完整的数据探索、多数据源接入
71010编辑于 2024-06-26企业为什么需要数据挖掘平台？哪个比较好用呢？
数据挖掘平台功能：助力企业数据挖掘 1、数据抓取 挖掘平台是企业挖掘数据的重要工具。 4、机器学习 数据挖掘平台还具备机器学习，可以自动识别和分析数据，发现其中的规律和模式，提供预测模型，帮助企业做出更准确的商业决策。 5、数据挖掘平台可以应用于多个应用场景 数据挖掘平台广泛应用于企业的各个领域，如市场营销、风险管理、人力资源管理、医疗健康等，可实现精准营销、风险分析、员工管理、疾病诊断等。 数据挖掘平台不仅适用于大企业也适用于普通人 企业：分布式云计算，线性扩展，保证性能，与BI平台无缝整合，一键发布挖掘模型，模型库提高知识复用，减少重复投入，支持跨库查询，统一控制数据访问权限，训练自动化 泰迪智能科技企业数据挖掘平台由泰迪智能科技自主研发，面向企业级用户的大数据挖掘建模平台。
94310编辑于 2024-06-20- 来自专栏数据STUDIO
一个企业级数据挖掘实战项目｜教育数据挖掘
自从分享了一篇能够写在简历里的企业级数据挖掘实战项目，深受读者朋友们青睐，许多读者私信云朵君，希望多一些类似的数据挖掘实际案例。这就来了。 本项目旨在探讨影响学生学业表现的人口统计学和家庭特征。 了解更多：Python数据分析之数据探索分析(EDA) 从数据集特点来看，13个字段可以分为四大类。 不平衡数据集处理方法 从上一步的探索性数据分析结果，本次学生成绩数据集为不平衡数据集，那么处理不平衡数据集处理方法都有哪些呢。这里可以参考云朵君之前的一篇机器学习中样本不平衡，怎么办？ 数据重采样 这里主要介绍下数据预处理层面的数据重采样方法。数据重采样主要分为上采样和下采样。 本文后续工作可以是通过正文中得到的结果，选择几个合适的模型，通过适当的模型调参方法选择恰当的参数，以确定本次数据挖掘的最终模型。
2.3K31发布于 2021-09-26 - 来自专栏钱塘大数据
【盘点】数据挖掘与数据建模的9条定律
当前的数据挖掘形式，是在20世纪90年代实践领域诞生的，是在集成数据挖掘算法平台发展的支撑下适合商业分析的一种形式。也许是因为数据挖掘源于实践而非理论，在其过程的理解上不太引人注意。 没有业务目标，没有数据挖掘（不管这种表述是否清楚）。因此这个准则也可以说成：数据挖掘是业务过程。 第二，知识律：业务知识是数据挖掘过程每一步的核心。 这里定义了数据挖掘过程的一个关键特征。 有五种因素说明试验对于寻找数据挖掘解决方案是必要的： 数据挖掘项目的业务目标定义了兴趣范围（定义域），数据挖掘目标反映了这一点； 与业务目标相关的数据及其相应的数据挖掘目标是在这个定义域上的数据挖掘过程产生的 Watkins的通用律解释如下： 数据挖掘项目的业务目标定义了兴趣范围（定义域），数据挖掘目标反映了这一点； 与业务目标相关的数据及其相应的数据挖掘目标是在这个定义域上的数据挖掘过程产生的； 第六，洞察律：数据挖掘增大对业务的认知。 数据挖掘是如何产生洞察力的？这个定律接近了数据挖掘的核心：为什么数据挖掘必须是一个业务过程而不是一个技术过程。业务问题是由人而非算法解决的。
58470发布于 2018-03-02 - 来自专栏数据科学与人工智能
数据挖掘模型的9条经验总结
当前的数据挖掘形式，是在20世纪90年代实践领域诞生的，是在集成数据挖掘算法平台发展的支撑下适合商业分析的一种形式。也许是因为数据挖掘源于实践而非 理论，在其过程的理解上不太引人注意。 没有业务目标，没有数据挖掘（不管这种表述是否清楚）。因此这个准则也可以说成：数据挖掘是业务过程。 第二，知识律：业务知识是数据挖掘过程每一步的核心。 这里定义了数据挖掘过程的一个关键特征。 数据预处理的目的是把数据挖掘问题转化为格式化的数据，使得分析技术（如数据挖掘算法）更容易利用它。 有五种因素说明试验对于寻找数据挖掘解决方案是必要的： 数据挖掘项目的业务目标定义了兴趣范围（定义域），数据挖掘目标反映了这一点； 与业务目标相关的数据及其相应的数据挖掘目标是在这个定义域上的数据挖掘过程产生的 数据挖掘过程以现在的形式存在是因为技术的发展—-机器学习算法的普及以及综合其它技术集成这些算法的平台的发展，使得商业用户易于接受。我们是否应该期望因技术的改变而改变数据挖掘过程？
78360发布于 2018-02-26 - 来自专栏PPV课数据科学社区
数据挖掘模型的9条经验总结
第一，目标律：业务目标是所有数据解决方案的源头 它定义了数据挖掘的主题：数据挖掘关注解决业务业问题和实现业务目标。数据挖掘主要不是一种技术，而是一个过程，业务目标是它的的核心。 没有业务目标，没有数据挖掘(不管这种表述是否清楚)。因此这个准则也可以说成：数据挖掘是业务过程。 第二，知识律：业务知识是数据挖掘过程每一步的核心 这里定义了数据挖掘过程的一个关键特征。 第三，准备律：数据预处理比数据挖掘其他任何一个过程都重要 这是数据挖掘著名的格言，数据挖掘项目中最费力的事是数据获取和预处理。非正式估计，其占用项目的时间为50%-80%。 数据预处理的目的是把数据挖掘问题转化为格式化的数据，使得分析技术(如数据挖掘算法)更容易利用它。 有五种因素说明试验对于寻找数据挖掘解决方案是必要的： 数据挖掘项目的业务目标定义了兴趣范围(定义域)，数据挖掘目标反映了这一点; 与业务目标相关的数据及其相应的数据挖掘目标是在这个定义域上的数据挖掘过程产生的
60260发布于 2018-04-25 - 来自专栏测试开发干货
【简历优化平台开发教程-9】目标企业 优化意向
目标企业的规模，一直以来都被分为：小作坊，中小型公司，大型企业。 当然他们的工作方式也不太相同，招聘环节上也有明显的界限。 小作坊更看重 候选人的全能性，抗压性，薪酬低，能干活不挑活好说话。 中小型公司的测试团队一般几个到几十个之间，招聘更倾向于选择好的学历和履历，还要有实际的产出经历，简历上更要偏向于结果导向和数据量化等。 大型企业的学历和履历基本是个红线，所谓红线就是不可跨越，比如必须是本科以上，那么本科以下的话基本没啥可能，当然也有例外（比如你确实行业知名，有巨大成果，技术超级过硬，公司新部门急需扩招，内部大佬内推）等绿灯 所以，简历优化的话后期算法上，也会着重偏向检查各位简历的内容是否满足上述目标企业。 前端很简单，还是那套： 企业规模： <label class="radio-inline"> <input type="radio" name="qygm
28220编辑于 2023-08-14 - 来自专栏CDA数据分析师
成为“大数据企业”，献给不懂数据挖掘的你！
在这种策略下，大规模多源异构数据的采集、清洗和整合方法，将成为大数据管理的核心支撑。 如何挖掘企业大数据的价值 企业大数据的价值开发高度依赖于深度数据分析能力。 对于这一平台所积累的大量数据的价值开发，首先体现在对其信息内容的提炼上。 平台上与工作相关的博文内容，如客服案例、经验分享等，经自动筛选分类、主题识别、关键词索引之后，被构建成企业知识库，为业务及管理工作提供快速有效的知识支撑，同时成为员工培训和自学的有力工具。 通过对这些关系结构的深度分析和挖掘，G公司获得了对员工及团队的影响力、凝聚力、创造力的更为准确而深入的评估手段。 例如，当G公司试图整合博客平台、业务系统、人力资源系统中的数据以全方位分析员工、团队特质以及绩效信息时，大量的数据属性之间所构成的复杂潜在关联网络，就需要强有力的关联发现技术来加以处理。
1.1K60发布于 2018-02-11 - 来自专栏测试开发干货
数据工厂平台9： 首页的数据关联
本节课继续来搞定首页的这个统计图的具体数据关联。 这里我们先要去想，数据的来源，数据来源在哪？当然是以后的各个工具的使用次数了。那么这个使用次数我们记载到哪里呢？ 所以我们决定，先把各种工具的使用次数放在一个专用的统计表中，这样我们首页去提取数据的速度会非常快，而且也便于之后这些统计数据另做他用等等。 我们先完成第一个箭头，在views.py中把数据从数据库拿出来。 接下来是具体的数据了， 这种时刻我们需要细心的去研究这个第三方统计图的数据在哪生效的才能去想办法修改。 ，js这个万能语言就可以大显身手了，我的前一个系列接口测试平台就全是js哦，也是为了给大家打好基础，拉高上限。
54310编辑于 2022-05-19 - 来自专栏灯塔大数据
成为“大数据企业”，献给不懂数据挖掘的你
在这种策略下，大规模多源异构数据的采集、清洗和整合方法，将成为大数据管理的核心支撑。 如何挖掘企业大数据的价值 企业大数据的价值开发高度依赖于深度数据分析能力。 对于这一平台所积累的大量数据的价值开发，首先体现在对其信息内容的提炼上。 平台上与工作相关的博文内容，如客服案例、经验分享等，经自动筛选分类、主题识别、关键词索引之后，被构建成企业知识库，为业务及管理工作提供快速有效的知识支撑，同时成为员工培训和自学的有力工具。 通过对这些关系结构的深度分析和挖掘，G公司获得了对员工及团队的影响力、凝聚力、创造力的更为准确而深入的评估手段。 例如，当G公司试图整合博客平台、业务系统、人力资源系统中的数据以全方位分析员工、团队特质以及绩效信息时，大量的数据属性之间所构成的复杂潜在关联网络，就需要强有力的关联发现技术来加以处理。
75170发布于 2018-04-04 - 来自专栏搜狗测试
软件品质评测系统- 数据挖掘处理平台
软件品质评测体系建立之后，在进行评测之前首先要确定评测使用的数据，这就需要数据挖掘平台发挥作用了，本文将以输入法评测语料制作为例介绍我们的评测数据挖掘处理平台。 1 数据挖掘处理原则 全面性 使用场景 依照不同用户需要的打字环境的差别，结合当前使用频率较高的几种应用，尽可能全面地覆盖用户使用的打字场景，主要分为以下两个类别： 聊天场景：用户聊天的打字内容，例如 因此我们在挖掘用户打字行为时，除了满足普通打字需求的同时也设计了多种用户可能的行为，包括联想、组词、纠错、退格等。 清洗前的数据： ? 清洗后的数据： ? 数据分词 经过清洗后的数据，仍然是以大段的文章形式存储的，还不能直接拿来使用，需要使用特定的工具对其进行分词处理。 expect_cand": ""} //表示退格 {"pinyin": "#", "expect_cand": ""} //表示换行 ], "键盘类型":26 } 4结语 评测数据挖掘不是一成不变的
93020发布于 2020-07-16 - 来自专栏PPV课数据科学社区
【学习】数据挖掘与数据建模的9个经验之谈
当前的数据挖掘形式，是在20世纪90年代实践领域诞生的，是在集成数据挖掘算法平台发展的支撑下适合商业分析的一种形式。也许是因为数据挖掘源于实践而非 理论，在其过程的理解上不太引人注意。 没有业务目标，没有数据挖掘（不管这种表述是否清楚）。因此这个准则也可以说成：数据挖掘是业务过程。 第二，知识律：业务知识是数据挖掘过程每一步的核心。 这里定义了数据挖掘过程的一个关键特征。 数据预处理的目的是把数据挖掘问题转化为格式化的数据，使得分析技术（如数据挖掘算法）更容易利用它。 有五种因素说明试验对于寻找数据挖掘解决方案是必要的： · 数据挖掘项目的业务目标定义了兴趣范围（定义域），数据挖掘目标反映了这一点； · 与业务目标相关的数据及其相应的数据挖掘目标是在这个定义域上的数据挖掘过程产生的 数据挖掘过程以现在的形式存在是因为技术的发展----机器学习算法的普及以及综合其它技术集成这些算法的平台的发展，使得商业用户易于接受。我们是否应该期望因技术的改变而改变数据挖掘过程？
746110发布于 2018-04-19 - 来自专栏韩曙亮的移动开发专栏
【数据挖掘】数据挖掘总结 ( 数据挖掘相关概念 ) ★★
用于挖掘的数数据源 必须 真实 : ① 存在的真实数据 : 数据挖掘处理的数据一般是存在的真实数据 , 不是专门收集的数据 ; ② 数据收集 : 该工作不属于数据挖掘范畴 , 属于统计任务 ; 2 . 数据必须海量 : ① 少量数据处理 : 少量数据使用统计方法分析 , 不必使用数据挖掘 ; ② 海量数据 : 处理海量数据时 , 才使用数据挖掘 , 涉及到 有效存储 , 快速访问 , 合理表示 等方面的问题 未知结果 : ① 挖掘结果 : 数据挖掘 挖掘出的知识是未知的 , 目的是为了发掘潜在的知识 , 模式 ; 这些知识只能在特定环境下可以接收 , 可以理解 , 可以运用 ; ② 知识使用 : 数据挖掘出的知识只能在特定领域使用 , 如金融领域数据挖掘结果 , 只能在金融领域及相关领域使用 ; 参考博客 : 【数据挖掘】数据挖掘简介 ( 数据挖掘引入 | KDD 流程 | 数据源要求 | 技术特点 ) 二、 数据挖掘组件化思想 数据挖掘任务分类 : 根据数据挖掘的目标 , 可以将数据挖掘任务分为以下几类 : ① 模式挖掘 , ② 描述建模 , ③ 预测建模 ; 描述建模 和 预测建模 又称为 模型挖掘 ; ① 模式挖掘 : 如
5.3K00编辑于 2023-03-28 - 来自专栏CDA数据分析师
测试：你是否具备企业的数据挖掘能力？
1.某超市研究销售纪录数据后发现，买啤酒的人很大概率也会购买尿布，这种属于数据挖掘的哪类问题？ A. 关联规则发现 B. 聚类 C. 分类 D. 数据挖掘与知识发现 B. 领域知识发现 C. 文档知识发现 D. 动态知识发现 6.使用交互式的和可视化的技术，对数据进行探索属于数据挖掘的哪一类任务？ A. 探索性数据分析 B. 建模描述 C. 寻找模式和规则 7.为数据的总体分布建模；把多维空间划分成组等问题属于数据挖掘的哪一类任务？ A. 探索性数据分析 B. 建模描述 C. 预测建模 D. 寻找模式和规则 9.用户有一种感兴趣的模式并且希望在数据集中找到相似的模式，属于数据挖掘哪一类任务？ A. 根据内容检索 B. 建模描述 C. 预测建模 D. 关于基本数据的元数据是指: A.基本元数据与数据源,数据仓库,数据集市和应用程序等结构相关的信息; B.基本元数据包括与企业相关的管理方面的数据和信息; C.基本元数据包括日志文件和简历执行处理的时序调度信息
1.2K60发布于 2018-02-11 - 来自专栏数据科学与人工智能
【数据挖掘】图数据挖掘
那么图数据挖掘是干什么的呢？难道是开着挖掘机来进行挖掘？还是扛着锄头？下面讲讲什么是图数据挖掘。 一、什么是图数据挖掘 这个话题感觉比较沉重，以至于我敲打每个字都要犹豫半天，这里我说说我对图数据挖掘的理解。数据是一个不可数名字，那么说明数据是一个没有边界的东西。 那么不难理解，数据挖掘就是挖掘数据里面的“宝贝”，图数据挖掘，就是以图的结构来存储、展示、思考数据，以达到挖掘出其中的“宝贝”。那这个“宝贝”是什么？ 那么对这个图进行关系挖掘，那么会产生很多有用的数据，比如可以推荐你可能认识的人，那就是朋友的朋友，甚至更深，这就形成了某空间好友推荐的功能。比如某宝的你可能喜欢的宝贝，可以通过图数据挖掘来实现。 这就是我认为的图数据挖掘。 从学术上讲，图数据挖掘分为数据图，模式图两种。至于这两个类型的区别，由于很久没有关注这块，所以只能给出一个字面意义上的区别。
3.3K81发布于 2018-02-27 - 来自专栏PPV课数据科学社区
☞【观点】成为“大数据企业”，献给不懂数据挖掘的你
在这种策略下，大规模多源异构数据的采集、清洗和整合方法，将成为大数据管理的核心支撑。 如何挖掘企业大数据的价值 企业大数据的价值开发高度依赖于深度数据分析能力。 对于这一平台所积累的大量数据的价值开发，首先体现在对其信息内容的提炼上。 平台上与工作相关的博文内容，如客服案例、经验分享等，经自动筛选分类、主题识别、关键词索引之后，被构建成企业知识库，为业务及管理工作提供快速有效的知识支撑，同时成为员工培训和自学的有力工具。 通过对这些关系结构的深度分析和挖掘，G公司获得了对员工及团队的影响力、凝聚力、创造力的更为准确而深入的评估手段。 知识无极限 6、回复“啤酒”查看数据挖掘关联注明案例-啤酒喝尿布 7、回复“栋察”查看大数据栋察——大数据时代的历史机遇连载 8、回复“数据咖”查看数据咖——PPV课数据爱好者俱乐部省分会会长招募 9、
73970发布于 2018-04-20 - 来自专栏华章科技
如何成为大数据企业?献给不懂数据挖掘的你
在这种策略下，大规模多源异构数据的采集、清洗和整合方法，将成为大数据管理的核心支撑。 如何挖掘企业大数据的价值 企业大数据的价值开发高度依赖于深度数据分析能力。 对于这一平台所积累的大量数据的价值开发，首先体现在对其信息内容的提炼上。 平台上与工作相关的博文内容，如客服案例、经验分享等，经自动筛选分类、主题识别、关键词索引之后，被构建成企业知识库，为业务及管理工作提供快速有效的知识支撑，同时成为员工培训和自学的有力工具。 通过对这些关系结构的深度分析和挖掘，G公司获得了对员工及团队的影响力、凝聚力、创造力的更为准确而深入的评估手段。 例如，当G公司试图整合博客平台、业务系统、人力资源系统中的数据以全方位分析员工、团队特质以及绩效信息时，大量的数据属性之间所构成的复杂潜在关联网络，就需要强有力的关联发现技术来加以处理。
38820发布于 2018-08-14 - 来自专栏智能大数据分析
数据仓库作业六：第9章 分类规则挖掘
第9章 分类规则挖掘 第一题 1、设网球俱乐部有打球与气候条件的历史统计数据如下表1所示。 对于样本中的每个数据对象，将其表示为一个向量，其中每个分量对应于一个条件属性。然后，使用欧氏距离计算每对数据对象之间的相异度。 1)^2 + (p_2 - q_2)^2 + (p_3 - q_3)^2 + (p_4 - q_4)^2} 其中，( \mathbf{p} ) 表示后天天气情况，( \mathbf{q} ) 表示样本数据中的每个数据对象 第三题 3、设网球俱乐部有打网球与气候条件的历史统计数据(如下表3)。 根据样本数据， P_Y=\frac{9}{14},P_N=\frac{5}{14} ，因此： H(D)=-\left(\frac{9}{14}\log_2\frac{9}{14}+\frac{5}{14
29700编辑于 2025-01-22 - 来自专栏NLPIR
NLPIR中文数据挖掘帮助企业执行最佳商业决策
大数据在生活中应用增加，数据仓库，数据安全，数据分析，数据挖掘这些技术的热度居高不下。其中，数据挖掘能够对企业的业务数据进行抽取，转换和分析，促成企业执行最佳商业决策。 同时，在企业进行营销方面，从海量数据中挖掘信息，将复杂数据设置成量化数据进行分析，是企业实行数字化营销的重要方面，对数据的准确分析能够实现最佳商业决策。 灵玖软件NLPIR大数据语义智能分析平台针对中文数据挖掘的综合需求,融合了网络精准采集、自然语言理解、文本挖掘和语义搜索的研究成果,先后历时十八年,服务了全球四十万家机构用户,是大时代语义智能分析的一大利器 NLPIR-Parser大数据语义分析平台为企业提供了一体式全链条服务，包括分词词性、情感分析、实体识别、关键词提取，实现对语法、词法和语义的综合应用。 NLPIR大数据语义智能分析平台是根据中文数据挖掘的综合需求,融合了网络精准采集、自然语言理解、文本挖掘和语义搜索的研究成果,并针对互联网内容处理的全技术链条的共享开发平台。
99640发布于 2019-09-24
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号