Data Mining Tutorial for CS for Android APK

描述

数据挖掘是在大型数据集中发现模式的过程，涉及机器学习、统计和数据库系统交叉领域的方法。数据挖掘是计算机科学和统计学的一个跨学科子领域，其总体目标是从数据集中提取信息（使用智能方法）并将信息转换为可理解的结构以供进一步使用。数据挖掘是“数据库中的知识发现”过程或 KDD 的分析步骤。除了原始分析步骤，它还涉及数据库和数据管理方面、数据预处理、模型和推理考虑、兴趣度指标、复杂性考虑、发现结构的后处理、可视化和在线更新。

术语“数据挖掘”是用词不当，因为目标是从大量数据中提取模式和知识，而不是数据本身的提取（挖掘）。它也是一个流行语，经常应用于任何形式的大规模数据或信息处理（收集、提取、仓储、分析和统计）以及计算机决策支持系统的任何应用，包括人工智能（例如机器学习）和商业智能。 《数据挖掘：使用 Java 的实用机器学习工具和技术》一书（主要涵盖机器学习材料）最初被命名为实用机器学习，而数据挖掘一词只是出于营销原因而添加的。通常更通用的术语（大规模）数据分析和分析，或者在提到实际方法时，人工智能和机器学习更合适。

实际的数据挖掘任务是对大量数据进行半自动或自动分析，以提取以前未知的、有趣的模式，例如数据记录组（聚类分析）、异常记录（异常检测）和依赖关系（关联规则挖掘、顺序模式挖掘）。这通常涉及使用数据库技术，例如空间索引。这些模式可以被看作是输入数据的一种总结，并且可以用于进一步的分析，例如，机器学习和预测分析。例如，数据挖掘步骤可能会识别数据中的多个组，然后决策支持系统可以使用这些组来获得更准确的预测结果。数据收集、数据准备、结果解释和报告都不是数据挖掘步骤的一部分，但作为附加步骤属于整个 KDD 过程。

数据仓库是通过整合来自多个异构来源的数据而构建的。

它支持分析报告、结构化和/或临时查询和决策。本教程采用循序渐进的方法来解释数据仓库的所有必要概念。

类别的教程集合如下，并提供所有主题喜欢，

数据仓库概述

数据仓库概念

数据仓库系统流程

数据仓库架构

数据仓库术语

数据仓库交付流程

数据仓库多维OLAP

数据仓库模式

数据仓库测试

数据仓库未来方面

数据仓库面试问题

数据仓库分区策略

数据仓库元数据概念

数据仓库数据马丁

数据仓库系统管理员

数据仓库流程管理器

数据仓库安全

数据仓库调优

和许多其他人