加入星计划,您可以享受以下权益:

  • 创作内容快速变现
  • 行业影响力扩散
  • 作品版权保护
  • 300W+ 专业用户
  • 1.5W+ 优质创作者
  • 5000+ 长期合作伙伴
立即加入

数据挖掘

加入交流群
扫码加入
获取工程师必备礼包
参与热点资讯讨论

数据挖掘是指从大量的数据中通过算法搜索隐藏于其中信息的过程。数据挖掘通常与计算机科学有关,并通过统计、在线分析处理、情报检索、机器学习、专家系统(依靠过去的经验法则)和模式识别等诸多方法来实现上述目标。

数据挖掘是指从大量的数据中通过算法搜索隐藏于其中信息的过程。数据挖掘通常与计算机科学有关,并通过统计、在线分析处理、情报检索、机器学习、专家系统(依靠过去的经验法则)和模式识别等诸多方法来实现上述目标。收起

查看更多
  • 工程师说 | 智能物联网的数据科学和集成
    数据可以指单独的事实,或者统计后的数据,还可以是各种信息的汇总,通常以数字表示。数据管理的重要性始于计算机科学本身的诞生。数据处理最初的重点是转换,存储,然后传输。然而,近年来,随着手机、智能传感器、联网汽车和我们周围许多其他数字设备的兴起,出现了前所未有的信息大爆炸。
  • 物联网大数据只是噱头?
    Gartner数据显示,物联网将有巨大的增长,在2015物联网连接的设备将达到49亿。预记到2020,这个数字将超过250亿。物联网贯穿广阔的行业和领域,在云、安全、容量、经济增长、环境和消费型设备领域提供广泛的技术功能与机会。许多行业的业务已经可以从物联网获得利润。
  • 随机森林
    随机森林是一种集成学习方法,用于解决分类和回归问题。它由多个决策树构成,通过对每个决策树的预测结果进行集成,得到最终的预测结果。随机森林的名称源自两个概念,即“随机性”和“森林”。其中,“随机性”表明在构建每个决策树时使用了随机抽样和特征选择,以增加模型的多样性;而“森林”则表示由多个决策树组成的集合。随机森林在机器学习领域得到了广泛应用,其高度的准确性、鲁棒性和可解释性使其成为常用的预测模型之一。本文将介绍随机森林的定义、算法原理,以及其优缺点。
  • 数据挖掘
    数据挖掘是一种从大量未经整理的数据中提取有价值信息的过程。它可以帮助人们分析数据、寻找规律和建立预测模型,是数据分析领域的重要工具之一。
  • 随机森林的算法原理及优缺点
    随机森林是一种经典的集成学习方法,广泛应用于机器学习和数据挖掘领域。它通过构建多个决策树并将它们进行组合来进行预测和分类任务。本文将介绍随机森林的算法原理、主要特点以及其优缺点。