谈谈数据挖掘和机器学习-CDA数据分析师官网

谈谈数据挖掘和机器学习

2016-08-17

首先声明的是本人并非数据挖掘和机器学习的高手，只是作为业余兴趣刚刚开始研究，据我所知好多朋友也和我一样对这方面的东西感兴趣，个人认为机器人技术是未来发展的方向。虽然我的专业是软件开发，基于Windows的，基于linux的，但是我认为未来的软件开发可能面对的硬件将会是多元化的，适当的了解一下未来的趋势也不为过。

本来想从机器学习开始，但是通过对业内人士的咨询，朋友建议我从数据挖掘开始，通过近一个月的学习，对数据挖掘的基本思想有了些粗浅的认识，分享出来，希望和大家共同快乐，共同进步。在这样的信息爆炸的时代，我希望对每个重要的知识点用一句话通俗的表达出来，既然是入门篇，让大家看明白了最重要。

分类和决策树

分类技术要解决的问题是从一批已知的完整记录中学习到一颗决策树或者一个模型，然后应用这个模型对未知的数据属性进行预测或分类。有时候对于一些现实的问题，我们无法通过纯数学的解析式表打自变量和因变量的关系时，我们就可能降低要求，从精确的解析式到模型足够好，可以解释大部分的现象，解决大部分的问题，通过分类技术和决策树就可以解决一部分问题。

下面是一个简单的决策树归纳算法实现

1 TreeGrowth(E,F)
2   if stopping_cond(E,F)=true then
3     leaf=createNode()
4     leaf.label=Classify(E)
5     return leaf
6   else
7     root=createNode()
8     root.test_cond=find_best_split(E,F)
9     令V={v|v是root.test_cond的一个可能的输出}
10     for 每个v属于V do
11     Ev={e|root.test_cond(e)=v 并且e属于E}
12     child=TreeGrowth(Ev,F)
13     将child作为root的派生结点添加到树中,并将边(root->child)标记为v
14   end for
15 end if
16 return root

关联分析

关联分析要解决的问题是通过算法找出隐含在数据中的关联，比如买尿布的人大部分也买啤酒，买啤酒的人大部分也买花生米，有了关联就可以做针对性的广告或者商业分析。

聚类分析

聚类分析要解决的问题是将数据分成内部高内聚，外部低耦合的集合，这样对相似的事物进行分析就会更有针对性。

异常检测

一批数据中总有些数据记录的性质和其他大部分的数据差别很大，对有些分析我们需要找出这些数据并排除其对整体的影响，当然在某些极端的情况下对异常数据的深入研究也是有必要的。

CDA数据分析师考试相关入口一览（建议收藏）：

▷ 想报名CDA认证考试，点击>>> “CDA报名” 了解CDA考试详情；

▷ 想加入CDA考试题库，点击>>> “CDA题库” 了解CDA考试详情；

▷ 想学习CDA考试教材，点击>>> “CDA教材” 了解CDA考试详情；

▷ 想查询CDA考试成绩，点击>>> “CDA成绩” 了解CDA考试详情；

▷ 想了解CDA考试含金量，点击>>> “CDA含金量” 了解CDA考试详情；

▷ 想获取CDA考试时间/费用/条件/大纲/通过率，点击 >>>“CDA考试官网” 了解CDA考试详情；

决策树数据挖掘机器学习商业分析

数据分析咨询请扫描二维码

上一篇图论在大数据分析中的作用！

下一篇CDA认证再升一档！与国家共同推进大数据人才培养标准教育事业！

谈谈数据挖掘和机器学习

CDA考试动态

CDA报考指南

热门栏目

最新资讯

数据分析师的工作内容是什么？岗位职责与发展前景 ...

金融数学专业学什么？从理论到实践的全面解析 ...

大数据一般学什么？从入门课程到核心技能全覆盖 ...

数据科学与大数据专业的就业方向与行业需求解析 ...

大数据专业毕业后去哪些岗位就业？高薪机会揭秘 ...

学数据分析需要学什么？课程内容全面解析 ...

学Python能做什么？这些高薪职业等你来 ...

数据分析的常用方法有哪些？详解五大实用技巧 ...

数据分析自学中常见问题

数据挖掘与分析中的机器学习方法

数据分析师应具备的数据可视化能力 ...

数据分析师的沟通能力要求

数字化转型的主要挑战与对策

数据分析师报考条件？怎么学？

数据分析自学的学习计划

数据分析相关职业选择

数据挖掘与分析在金融行业的使用

学习数据挖掘需要掌握哪些技能

统计学就业机会都在哪里

企业数字化转型的关键成功因素