1、智能数据分析软件——RapidMiner RapidMiner是世界领先的数据挖掘解决方案，在一个非常大的程度上有着先进技术。它数据挖掘任务涉及范围广泛，包括各种数据艺术，能简化数据挖掘过程的设计和评价。 2、智能数据分析软件——思迈特软件Smartbi 通过Smartbi数据加工工作都得到了极 ...
分类：
其他好文 时间：
2021-06-11 18:33:50
阅读次数：
0
WEKA的全名是怀卡托智能分析环境（WaikatoEnvironmentforKnowledgeAnalysis），同时weka也是新西兰的一种鸟名，而WEKA的主要开发者来自新西兰。WEKA作为一个公开的数据挖掘工作平台，集合了大量能承担数据挖掘任务的机器学习算法，包括对数据进行预处理，分类，回归、聚类、关联规则以及在新的交互式界面上的可视化。如果想自己实现数据挖掘算法的话，可以参考weka的接
分类：
其他好文 时间：
2021-01-02 11:36:56
阅读次数：
0
大数据价值的体现离不开数据挖掘，它的主要目的是从各种各样的数据来源中，提取出隐藏的信息，然后将这些信息合并发现其内在关系。数据挖掘任务除了专门的一些工具外，实际上BI工具也可以进行数据挖掘，市面上的一些BI工具不单单是数据分析工具，而且内置了很多模型算法，无需分析人员自己建模就可以完成数据挖掘，探索数据之间的关系。文章主要围绕数据挖掘方法和BI工具做数据挖掘的实例进行讲解。数据挖掘的主要方法数据挖
分类：
其他好文 时间：
2020-01-10 00:25:58
阅读次数：
162
1.引言 最近也学习了好几个月的机器学习，感觉知识也只停留在理论方面，但是大佬也说过实战很重要！！所以自己看了几篇Kaggle的文章。刚好前几天加入了一个打卡群，这是第一次发布的数据挖掘任务，在这里记录一下。 任务1 - 数据分析（2天）,任务1打卡链接提交截止日期为20190512晚上10点数据集 ...
分类：
其他好文 时间：
2019-05-12 13:38:44
阅读次数：
136
摘要 1.属性和对象(attributes and objects) 2.数据集类型(types of data sets) 3.数据质量(data quality) 4.数据预处理(data preprocessing) 1.属性和对象 属性和对象构成了数据，在完成一个数据挖掘任务时， 数据(da ...
分类：
其他好文 时间：
2019-01-19 13:51:29
阅读次数：
242
Weka + Weka 是进行数据挖掘任务的机器学习算法的集合，它包含数据准备、分类、回归、聚类、关联规则挖掘和可视化等工具。 + Weka 是一个开源软件，它遵循 GNU General Public License 标准。 1. Weka与Java环境 2. 资料推荐 + 网址：https:// ...
分类：
其他好文 时间：
2018-12-14 22:39:45
阅读次数：
178
数据挖掘主要有两大类： 预测任务：根据其他属性的值，预测特定属性的值 描述任务：导出概括数据中潜在联系的模式(相关，趋势，聚类，轨迹和异常) 4种主要的数据挖掘任务： 预测建模： 预测建模： 分类：用于预测离散的目标变量(如预测web与用户是否会在网上买书，预测花类型)。 回归：用于预测连续的目标变 ...
分类：
其他好文 时间：
2018-11-14 19:48:20
阅读次数：
169
作为一个免费、公开、开源的数据挖掘工作平台，Weka集合了大量能承担数据挖掘任务的机器学习算法，包括预处理、分类、回归、聚类、关联规则以及在新的交互式界面上的可视化操作等；目前，Weka最新版本为weka-3-7-11，可以利用weka进行大数据的挖掘和分析处理。WEKA的全名是怀卡..
分类：
其他好文 时间：
2017-07-28 13:30:57
阅读次数：
142
1、数据挖掘的特点： 数据挖掘的数据源必须是真实的； 数据挖掘所处理的数据必须是海量的； 查询一般是决策制定者（用户）提出的随机查询； 挖掘出来的知识一般是不能预知的； 2、数据挖掘算法的组成： 模型或模式结构； 数据挖掘任务； 评分函数； 搜索和优化方法； 数据管理策略； 3、根据数据分析者的目标 ...
分类：
其他好文 时间：
2016-10-13 01:32:53
阅读次数：
191
http://itindex.net/blog/2015/01/09/1420751820000.html WEKA：WEKA是一个可用于数据挖掘任务的机器学习算法集合。该算法可以直接应用到数据集或从自己的Java代码调用。 WEKA包含数据预处理，分类，回归，聚类，关联规则，和可视化工具。
分类：
编程语言 时间：
2016-03-15 06:20:02
阅读次数：
277
