嗯，基本方法有很多，比如決策樹、支持向量機、貝葉斯方法、神經(jīng)網(wǎng)絡方法等。有相關(guān)的數(shù)據(jù) 挖掘書籍，里面有很多詳細的算法。我手里有一本剛借的。有需要的話可以推薦給你。個人建議如下:第一階段是掌握數(shù)據(jù) 挖掘的基本概念和方法。先對數(shù)據(jù) 挖掘有個概念并掌握基本算法，比如分類算法，聚類算法，協(xié)同過濾算法。

第二階段:掌握數(shù)據(jù)挖掘和數(shù)據(jù)時代的分布式處理算法?，F(xiàn)在已經(jīng)進入大數(shù)據(jù)的時代，傳統(tǒng)的數(shù)據(jù) 挖掘的算法已經(jīng)不再適用于參考書:大數(shù)據(jù):互聯(lián)網(wǎng)海量數(shù)據(jù)。第三階段:利用Hadoop進行大數(shù)據(jù) 挖掘。Hadoop有一個Mahout組件，包含了幾乎所有的數(shù)據(jù) 挖掘算法，包括分類、聚類和關(guān)聯(lián)規(guī)則。參考書:Hadoop在行動(第二版)。作者:陸家恒。

Da-2挖掘-3/涉及的主要內(nèi)容有:圖案跟蹤、數(shù)據(jù)清洗和準備、基于分類數(shù)據(jù)。基于數(shù)據(jù)在宏觀環(huán)境下的特點，挖掘 技術(shù)及對應:1。數(shù)據(jù)來源多，量大數(shù)據(jù)。需要一個強大的ETL 技術(shù)來集成多個系統(tǒng)的數(shù)據(jù)

2.數(shù)據(jù)的維數(shù)較高，集成的數(shù)據(jù)不僅僅是傳統(tǒng)的數(shù)據(jù) 挖掘的那些維數(shù)，還有上百個維數(shù)，需要降維-3。3.大數(shù)據(jù) quantity的計算不能在單臺服務器上計算，需要分布式計算。所以要掌握各種分布式計算框架，比如Hadoop、Spark，就要掌握machine 學習算法的分布式實現(xiàn)。數(shù)據(jù) 挖掘:目前需要改進現(xiàn)有的數(shù)據(jù) 挖掘、機學習技術(shù)；發(fā)展數(shù)據(jù)網(wǎng)絡挖掘、地方病組挖掘、圖挖掘等新型數(shù)據(jù)挖掘。突破基于對象數(shù)據(jù)連接與相似連接數(shù)據(jù)融合技術(shù)；突破用戶興趣分析、網(wǎng)絡行為分析、情感語義分析的大-2挖掘-3/。

數(shù)據(jù)挖掘技術(shù)可以解決家畜疾病的預防、工藝參數(shù)的改進、疾病診斷等問題。數(shù)據(jù)挖掘技術(shù)根據(jù)歷史產(chǎn)量數(shù)據(jù)，可以預測良品的情況，從而改善工藝參數(shù)，降低不良率；畜牧業(yè)可以利用-2挖掘-3/根據(jù)測得的體溫預測動物是否患病，從而提前防控；醫(yī)院可以根據(jù)數(shù)據(jù)挖掘技術(shù)，利用歷史病歷找出規(guī)律，有利于醫(yī)生更好地診斷疾病。以下是-2挖掘-3/方法的相關(guān)介紹:1。神經(jīng)網(wǎng)絡神經(jīng)網(wǎng)絡具有良好的魯棒性、自組織和自適應性、并行處理、分布式存儲和高容錯性，非常適合求解數(shù)據(jù)。

遺傳算法由于其隱含的并行性和易于與其他模型結(jié)合，在-2挖掘中得到了應用。3.決策樹方法決策樹是預測模型中常用的算法。它通過有目的地對大量數(shù)據(jù)進行分類，發(fā)現(xiàn)一些有價值的潛在信息。其主要優(yōu)點是描述簡單，分類速度快，特別適合大規(guī)模數(shù)據(jù)處理。4.粗糙集方法粗糙集理論是一種研究不精確和不確定知識的數(shù)學工具。

數(shù)據(jù)挖掘又譯為數(shù)據(jù)探索，數(shù)據(jù)挖掘。它是通過數(shù)學模型分析企業(yè)存儲的大量數(shù)據(jù)，找出不同的客戶或細分市場，分析消費者的偏好和行為的方法。是數(shù)據(jù) library知識發(fā)現(xiàn)的一步。數(shù)據(jù) 挖掘一般指自動搜索大量數(shù)據(jù)中隱藏的具有特殊關(guān)系的信息的過程。主要有三個步驟:數(shù)據(jù)準備、規(guī)則發(fā)現(xiàn)和規(guī)則表示。數(shù)據(jù) 挖掘的任務包括相關(guān)分析、聚類分析、分類分析、異常分析、獨特群分析和演化分析。

是利用數(shù)據(jù)發(fā)現(xiàn)問題、解決問題的學科。通常通過探索、處理、分析或建模來實現(xiàn)數(shù)據(jù)。我們可以看到數(shù)據(jù) 挖掘具有以下特點:基于大量的數(shù)據(jù):并不是說小數(shù)據(jù)不能進行挖掘?qū)嶋H上大多數(shù)/但是，一方面，太小的數(shù)據(jù)數(shù)量完全可以通過人工分析進行總結(jié)

磨刀不誤砍柴工。在學習數(shù)據(jù) 挖掘之前，要明白以下幾點:數(shù)據(jù)挖掘目前在國內(nèi)并不流行，就像屠龍這個技能一樣。數(shù)據(jù)前期準備通常占整個-2挖掘項目工作量的70%左右。數(shù)據(jù) 挖掘是統(tǒng)計的組合，數(shù)據(jù)庫和機學習，并不是新的技術(shù)。數(shù)據(jù)挖掘技術(shù)更適合商務人員學習(效率更高的OLAP技術(shù)人事學習商務

如果你覺得以上內(nèi)容可以接受，那就繼續(xù)看下去。學習 1 技術(shù)想接近行業(yè)又沒有行業(yè)背景的人技術(shù)就像空中樓閣。技術(shù)尤其是在計算機領(lǐng)域技術(shù)發(fā)展廣闊迅速(十年前設(shè)計網(wǎng)頁就可以成立公司了)，大部分人沒有精力和時間去掌握所有的細節(jié)技術(shù)。但是，技術(shù)與行業(yè)結(jié)合后，就能獨當一面了。一方面有助于抓住用戶的痛點和剛性需求，另一方面能夠積累行業(yè)經(jīng)驗，運用互聯(lián)網(wǎng)思維跨界，你會更容易成功。

數(shù)據(jù)挖掘Need學習的內(nèi)容是:1。編程語言，2、大數(shù)據(jù)處理框架。3.數(shù)據(jù)圖書館知識，4.數(shù)據(jù)結(jié)構(gòu)和算法。5.機學習/深學習，6.統(tǒng)計知識。這就是-2挖掘Need學習的內(nèi)容，數(shù)據(jù)挖掘技術(shù)滲透了時代的方方面面，數(shù)據(jù)挖掘是一門交叉學科。如果對項目感興趣，推薦CDA 數(shù)據(jù)分析師課程。