數(shù)據(jù)挖掘的概念和技術(shù)介紹這本書全面講述了數(shù)據(jù)挖掘領(lǐng)域的重要知識(shí)和技術(shù)創(chuàng)新。數(shù)據(jù)挖掘涉及的知識(shí)范圍很廣，機(jī)器學(xué)習(xí)、數(shù)據(jù)挖掘、人工智能等知識(shí)大多是相通的，一、數(shù)據(jù)挖掘在大數(shù)據(jù)時(shí)代，數(shù)據(jù)生成和采集是基礎(chǔ)，數(shù)據(jù)挖掘是關(guān)鍵，數(shù)據(jù)挖掘可以說是大數(shù)據(jù)最關(guān)鍵、最基礎(chǔ)的工作。

如下:1。編程語言目前業(yè)界有很多機(jī)器學(xué)習(xí)編程語言。基于一些簡單的個(gè)人工作經(jīng)驗(yàn)，發(fā)現(xiàn)Python和SQL是目前比較常用的編程語言。需要掌握的內(nèi)容有:聚合函數(shù)、數(shù)學(xué)函數(shù)、字符串函數(shù)、表連接函數(shù)、條件語句等。2.機(jī)器學(xué)習(xí)推薦教材《實(shí)戰(zhàn)中的機(jī)器學(xué)習(xí)》彼得哈林頓著。閱讀本書需要讀者掌握Python語言，加上Numpy、Scipy、matplotlib函數(shù)庫的一些基本內(nèi)容。

比如時(shí)間序列模型ARMA模型等等。一些數(shù)據(jù)指標(biāo)，如均值、方差、標(biāo)準(zhǔn)差、變異系數(shù)、相關(guān)系數(shù)、ROC曲線和AUC、召回率和準(zhǔn)確率、交叉驗(yàn)證等。數(shù)據(jù)挖掘和機(jī)器學(xué)習(xí)的區(qū)別數(shù)據(jù)挖掘不太注重算法的細(xì)節(jié)，而是更注重結(jié)果的解釋及其統(tǒng)計(jì)意義。相反，機(jī)器學(xué)習(xí)似乎更關(guān)心算法的設(shè)計(jì)和優(yōu)化，對(duì)分類、聚類或某些給定問題的效果，而較少考慮統(tǒng)計(jì)意義。

3月13日下午，南京郵電大學(xué)計(jì)算機(jī)學(xué)院、軟件學(xué)院院長、教授李濤在CIO時(shí)代APP微講堂欄目做了題為“大數(shù)據(jù)時(shí)代的數(shù)據(jù)挖掘”的主題分享，對(duì)大數(shù)據(jù)和大數(shù)據(jù)時(shí)代的數(shù)據(jù)挖掘進(jìn)行了深度解讀。眾所周知，大數(shù)據(jù)時(shí)代的大數(shù)據(jù)挖掘已經(jīng)成為各行各業(yè)的熱點(diǎn)。一、數(shù)據(jù)挖掘在大數(shù)據(jù)時(shí)代，數(shù)據(jù)生成和采集是基礎(chǔ)，數(shù)據(jù)挖掘是關(guān)鍵，數(shù)據(jù)挖掘可以說是大數(shù)據(jù)最關(guān)鍵、最基礎(chǔ)的工作。

不同的學(xué)者對(duì)數(shù)據(jù)挖掘有不同的理解，但個(gè)人認(rèn)為，數(shù)據(jù)挖掘的特點(diǎn)主要包括以下四個(gè)方面:1。應(yīng)用:數(shù)據(jù)挖掘是理論算法和應(yīng)用實(shí)踐的完美結(jié)合。數(shù)據(jù)挖掘來自于實(shí)際生產(chǎn)生活中的應(yīng)用需求，挖掘出的數(shù)據(jù)來自于具體的應(yīng)用。同時(shí)，通過數(shù)據(jù)挖掘發(fā)現(xiàn)的知識(shí)要應(yīng)用到實(shí)踐中，輔助實(shí)際決策。

學(xué)習(xí)數(shù)據(jù)挖掘需要學(xué)習(xí)編程語言(Python，C，C，Java，Delphi等。)、數(shù)據(jù)結(jié)構(gòu)和算法、操作系統(tǒng)和網(wǎng)絡(luò)編程。數(shù)據(jù)挖掘涉及的知識(shí)范圍很廣，機(jī)器學(xué)習(xí)、數(shù)據(jù)挖掘、人工智能等知識(shí)大多是相通的。編程語言主要是C，C和Java。首先我可以學(xué)習(xí)C語言圣經(jīng)《C程序設(shè)計(jì)語言》和《C初級(jí)讀本》，推薦數(shù)據(jù)結(jié)構(gòu)和算法分析(C語言描述)。

謝謝邀請(qǐng)。大數(shù)據(jù)挖掘的方法:神經(jīng)網(wǎng)絡(luò)方法神經(jīng)網(wǎng)絡(luò)由于其良好的魯棒性、自組織和適應(yīng)性、并行處理、分布式存儲(chǔ)和高容錯(cuò)性，非常適合解決數(shù)據(jù)挖掘的問題，因此近年來受到越來越多的關(guān)注。遺傳算法遺傳算法是一種基于生物自然選擇和遺傳機(jī)制的隨機(jī)搜索算法，是一種仿生全局優(yōu)化方法。遺傳算法因其隱含的并行性和易于與其他模型結(jié)合而被應(yīng)用于數(shù)據(jù)挖掘。

其主要優(yōu)點(diǎn)是描述簡單，分類速度快，特別適合大規(guī)模數(shù)據(jù)處理。粗糙集理論是一種研究不精確和不確定知識(shí)的數(shù)學(xué)工具。粗糙集方法有幾個(gè)優(yōu)點(diǎn):它不需要給出額外的信息；簡化輸入信息的表達(dá)空間；該算法簡單，易于操作。粗糙集處理的對(duì)象是類似于二維關(guān)系表的信息表。覆蓋正例拒斥反例法是利用覆蓋所有正例拒斥所有反例的思想來尋找規(guī)律。首先，從正例集中選擇一個(gè)種子，逐個(gè)與反例集進(jìn)行比較。

1。大數(shù)據(jù)挖掘可以讓混亂無規(guī)律的數(shù)據(jù)變得清晰，可用性高。大數(shù)據(jù)有兩個(gè)典型特點(diǎn)，一是數(shù)據(jù)量大，二是計(jì)算復(fù)雜。與傳統(tǒng)數(shù)據(jù)庫相比，大數(shù)據(jù)的結(jié)構(gòu)化程度、可用性、數(shù)據(jù)抽取和數(shù)據(jù)清洗都是一項(xiàng)繁重的任務(wù)。典型生產(chǎn)銷售企業(yè)的業(yè)務(wù)系統(tǒng)數(shù)據(jù)是孤立的，拆分的，銷售的，生產(chǎn)的，財(cái)務(wù)的，客戶的等等。不同的方面實(shí)際上是為了自己的業(yè)務(wù)目標(biāo)和產(chǎn)出而構(gòu)建自己的IT系統(tǒng)，甚至外包給不同的IT集成商或者軟件開發(fā)商，所以系統(tǒng)是相對(duì)獨(dú)立的。

通過對(duì)消費(fèi)者行為的數(shù)據(jù)進(jìn)行建模和分析，我們可以發(fā)現(xiàn)，當(dāng)用戶購買某個(gè)產(chǎn)品時(shí)，這兩件不相關(guān)的事情是相關(guān)的。根據(jù)這一發(fā)現(xiàn)，優(yōu)化貨架商品可以增加銷售額。3.監(jiān)控?cái)?shù)據(jù)生成過程，發(fā)現(xiàn)異常，并進(jìn)行預(yù)警和糾錯(cuò)。系統(tǒng)產(chǎn)生的數(shù)據(jù)可以按時(shí)間建模，可以記錄每個(gè)時(shí)間點(diǎn)和時(shí)間段的平均值和上下區(qū)間。如果某個(gè)節(jié)點(diǎn)出現(xiàn)異常，系統(tǒng)可以快速發(fā)現(xiàn)問題并做出預(yù)警和故障排除。

數(shù)據(jù)挖掘常用的數(shù)據(jù)分析方法主要有分類、回歸分析、聚類、關(guān)聯(lián)規(guī)則、特征、變化和偏差分析、網(wǎng)頁挖掘等。他們從不同的角度挖掘數(shù)據(jù)。1.分類是找出數(shù)據(jù)庫中一組數(shù)據(jù)對(duì)象的共同特征，并按照分類方式將其劃分到不同的類中。其目的是通過分類模型將數(shù)據(jù)庫中的數(shù)據(jù)項(xiàng)映射到給定的類別。可應(yīng)用于客戶分類、客戶屬性和特征分析、客戶滿意度分析、客戶購買趨勢(shì)預(yù)測(cè)等。例如，一家汽車零售商根據(jù)客戶對(duì)汽車的偏好將客戶分為不同的類別，這樣營銷人員就可以直接將新車的廣告宣傳冊(cè)郵寄給有這種偏好的客戶，從而大大增加了商機(jī)。

本書全面講述了數(shù)據(jù)挖掘領(lǐng)域的重要知識(shí)和技術(shù)創(chuàng)新。在第一版的基礎(chǔ)上，第二版展示了該領(lǐng)域的最新研究成果，如挖掘流、時(shí)間序列和序列數(shù)據(jù)，挖掘時(shí)空、多媒體、文本和Web數(shù)據(jù)。這本書可以作為數(shù)據(jù)挖掘和知識(shí)發(fā)現(xiàn)領(lǐng)域的教師、研究人員和開發(fā)人員的必讀讀物。這本書的第一版曾經(jīng)是數(shù)據(jù)挖掘的熱門專著，是一本可讀性極強(qiáng)的教材。第二版豐富了數(shù)據(jù)挖掘領(lǐng)域的新研究進(jìn)展的主題，并增加了關(guān)于最新數(shù)據(jù)挖掘方法的幾章。

數(shù)據(jù)倉庫與數(shù)據(jù)挖掘主要介紹數(shù)據(jù)倉庫和數(shù)據(jù)挖掘技術(shù)的基本原理和應(yīng)用方法。全書共分12章，包括數(shù)據(jù)倉庫的概念與體系結(jié)構(gòu)、數(shù)據(jù)倉庫系統(tǒng)的數(shù)據(jù)存儲(chǔ)與處理、數(shù)據(jù)倉庫系統(tǒng)的設(shè)計(jì)與開發(fā)、關(guān)聯(lián)規(guī)則、數(shù)據(jù)分類、數(shù)據(jù)聚類、貝葉斯網(wǎng)絡(luò)、粗糙集、神經(jīng)網(wǎng)絡(luò)、遺傳算法、統(tǒng)計(jì)分析、文本與Web挖掘，數(shù)據(jù)倉庫與數(shù)據(jù)挖掘不僅強(qiáng)調(diào)理論知識(shí)的講解，更強(qiáng)調(diào)應(yīng)用技能的培養(yǎng)。