数据挖掘系列篇（1）：总结职业 今天下半年计划把数据分析、数据挖掘、机器学习这些东西都撸一把，很可能以后就没有时间再来撸了。希望各位也能互相监督，看看今年过年之前能不能把之前的一系列的都整理一遍。还有个消息就是计划11月底会把《数据分析侠A的成长故事》截稿了，出版社已经联系了，...

数据挖掘系列篇（2）：会员分析 说到数据挖掘，就不得不说到会员分析。老生常谈的问题，包括会员分级、用户画像、会员个性化营销、会员价值挖掘等等。而现在围绕会员的运营模式也在发生着变化，从过去做产品，到现在做会员服务，从P到S的转变势必会需要介入数据来挖掘会员的特征、习惯、活跃、忠...

数据挖掘系列篇（3）：DM解决几类问题 数据挖掘作为一门科学进入国内已经有几年时间了，从过去之前的啤酒与尿布的案例到现在在BAT公司的应用普及开来，这几年DM已经越发的成熟，在大数据应用价值上发挥着重要的作用。宋代禅宗大师青原行思提出参禅的三重境界：“参禅之初，看山是山，看水是...

数据挖掘系列篇（4）：Netflix机器学习系统的构建经验 有很多很好的介绍机器学习的教科书和课程,,甚至可以学习一些最复杂的特定的方法或算法，理解这些理论是一个非常重要的基础和起点。还有很多构建真实系统的实际问题，你可能闻所未闻。这篇文章将分享一些Netflix多年来构建大型...

五个数据挖掘技术，帮助创造商业价值 有许多不同类型的分析，可以以检索从大数据信息来完成。每种类型的分析将具有不同的影响，或结果。哪种类型的分析，您应该使用真的取决于业务问题，你正在试图解决的类型。不同的分析将带来不同的结果，从而提供不同的见解。其中回收有价值的见解常见的方式是通过...

数据挖掘十大经典算法(8) kNN: k-nearest neighbor classification 邻近算法 KNN算法的决策过程 k-Nearest Neighbor algorithm 右图中，绿色圆要被决定赋予哪个类，是红色三角形还是蓝色四方形？如果K=3，由于...

数据挖掘十大经典算法(7) AdaBoost Adaboost是一种迭代算法，其核心思想是针对同一个训练集训练不同的分类器(弱分类器)，然后把这些弱分类器集合起来，构成一个更强的最终分类器 (强分类器)。Adaboost算法本身是通过改变数据分布来实现的，它根据每次训练集之中每个...

揭秘：数据分析可不是数据挖掘 说到数据分析或者数据挖掘，很多人都会认为是一样的，特别是对于外行人来说，只要是和数据有关系的，可以得到数据价值的，应该都会被认为是数据分析，但是企业想要更加深层次的发现数据的价值，还要注重数据的挖掘，下面我们就从几个方面说说数据分析和数据挖掘的有什么...

 数据挖掘十大经典算法(6) PageRank PageRank是Google算法的重要内容。2001年9月被授予美国专利，专利人是Google创始人之一拉里·佩奇（Larry Page）。因此，PageRank里的page不是指网页，而是指佩奇，即这个等级方法是以佩奇来命名的。...

什么是IT数据仓库？你们为什么需要它？ 在运行IT操作为您的企业的过程中，系统收集了大量的数据 – 数据能够产生有益的见解，以帮助了解如何提供服务，降低成本，推动更多的创新。通过有效地这个数据分析，可以得到IT业务的360度视角。 然而，这个数据在多个系统和应用范围从...

 数据挖掘十大经典算法(5) 最大期望(EM)算法 在统计计算中，最大期望（EM，Expectation–Maximization）算法是在概率（probabilistic）模型中寻找参数最大似然估计的算法，其中概率模型依赖于无法观测的隐藏变量（Latent Variabl）。最...

文本挖掘如何帮助您的企业挖金 你的客户希望与您沟通。你的合作伙伴，员工，潜在客户，竞争对手，媒体和社会媒体的影响力想太多和你沟通。 身体语言，眼球运动，言语的声调，手势，用色和服装的 – 人类在各种各样的方式沟通。没有系统在地球上，可以捕捉尚未所有通信的宽带宽，我们都...

为什么文本分析是很重要的搜索 选择正确的关键字搜索是让你寻找的结果中最重要的组成部分。每个人都知道这一点，但它谈何容易。即使是最深思熟虑的关键字，搜索结果并不总是提供你期待什么。 提高搜索的准确度是极为重要的，如谷歌和雅虎，而要做到这一点是将文本分析（又名文本挖掘）到后端的最佳途...

大数据挖掘包含哪些基本方面 互联网时代到来之后，一切在互联网模式下的主体的行为都会被完整的将记录，这些所有的记录都是有潜在的利用价值的数据，尤其是对于企业来说，如果想要取得优秀的营销效果就需要对这些数据进行充分的利用，而对大数据的价值都挖掘包含了很多方面，都是那些方面呢? 对于大...

数据挖掘中pagerank算法研究 　  摘要：计算机技术和网络的迅速发展，使人们获取信息和投放信息的方式发生了翻天地覆的改变，开放式、全球化的互联网络使得当今社会进入了信息大爆炸的社会，如何将种类繁多数量巨大的数据转化为有用的信息和知识变得极为重要。本文对数据挖掘中常用的Pag...

数据挖掘方法论crisp-DM CRISP-DM (cross-industry standard process for data mining), 即为”跨行业数据挖掘过程标准”. 此KDD过程模型于1999年欧盟机构联合起草. 通过近几年的发展,CR...

数据挖掘系列篇（5）：分类算法概述 数据挖掘这块重点就是介绍算法和应用案例，还有相应的开发语言R、excel、mapreduce、spark。前面重点介绍了数据挖掘主要解决的几类问题，而分类问题是数据挖掘中的重头戏。如果我们在高校里，常见的就是训练一群样本数据的特征，跑出模型，...

数据挖掘方法论-SEMMA 关键词：数据挖掘方法论 数据分析方法论 数据挖掘有哪些方法 SAS研究所不仅有丰富的工具供你选用，而且在多年的数据处理研究工作中积累了一套行之有效的数据挖掘方法论──SEMMA，通过使用SAS技术进行数据挖掘，我们愿意和你分享这些经验： _  Samp...

数据挖掘系列篇（6）：聚类算法概述 本篇重点介绍聚类算法的原理，应用流程、使用技巧、评估方法、应用案例等。具体的算法细节可以多查阅相关的资料。聚类的主要用途就是客户分群。 1.聚类 VS 分类 分类是“监督学习”，事先知道有哪些类别可以分。     聚类是...

文本挖掘数据分析与处理_文本挖掘 什么是文本挖掘 文本挖掘是抽取有效、新颖、有用、可理解的、散布在文本文件中的有价值知识，并且利用这些知识更好地组织信息的过程。1998年底，国家重点研究发展规划首批实施项目中明确指出，文本挖掘是“图像、语言、自然语言理解与知识挖掘”中的重要内容。...