超全面的课件，共584页，由浅入深细致的介绍数据挖掘，并结合实际案例做具体讲解
【内容提纲】
1. 概述
2. 数据仓库与OLAP技术
3. 数据挖掘技术
4. 数据挖掘在电信领域的应用
5. 数据挖掘工具
6. 数据挖掘实例
【内容提纲】
数据挖掘介绍
数据挖掘系统
数据挖掘算法
国际会议和期刊
课后研读的论文
主要参考资料
【数据挖掘介绍】
数据挖掘的由来
数据挖掘的应用
基本概念区分
数据挖掘基本内容
数据挖掘基本特征
数据挖掘的其他主题
2021-08-13 09:15:30
7.75MB
频率和众数
百分位数
位置度量：均值和中位数
散布度量
多元汇总统计
汇总数据的其他方法
四分位数
分位数根据其将数列等分的形式不同可以分为中位数，四分位数，十分位数、百分位数等等。四分位数作为分位数的一种形式，在统计中有着十分重要的意义和作用。人们经常会将数据划分为4个部分，每一个部分大约包含有1/4即25％的数据项。这种划分的临界点即为四分位数。它们定义如下：
Q1=第1四分位数，即第25百分位数；
Q2=第2四分位数，即第50百分位数；
Q3=第3四分位数，即第75百分位数。
四分位数是将数列等分成四个部分的数，一个数列有三个四分位数，设下四分位数、中位数和上四分位数分别为Q1、Q2、Q3，则：Q1、Q2、Q3的位置可由下述公式确定：
四分位数是将数列等分成四个部分的数，一个数列有三个四分位数，设下四分位数、中位数和上四分位数分别为Q1、Q2、Q3，则：Q1、Q2、Q3的位置可由下述公式确定：
2021-08-10 09:10:30
2.7MB
第一讲 概述
第二讲 大数据时代
第三讲 云计算及其影响
第四讲 物联网及其影响
第五讲 数据挖掘方法与技术
第六讲 粗糙集
第七讲 人工神经网络
第八讲 分类数据挖掘
第九讲 关联规则挖掘
第十讲 聚类模式挖掘
第十一讲 web 数据挖掘
第十二讲 数据挖掘工具及应用
数据库（DB）与数据仓库（DW），大数据处理（Big Data）与数据挖掘技术是当代数据处理的最新技术。这几项技术的结合开创了决策支持系统（DSS）发展的新方向。建立DW是科学决策的前提。
课程学习的目标
（1）掌握DB，DW，OLAP，DM与DSS的基本概念，工作原理，系统功能和结构
（2）了解如何建立DW系统、基于DW的决策支持系统、OLAP的多维数据分析. Big Data;
（3）掌握数据挖掘和知识发现(DM&KD)基本原理
（4）了解数据挖掘和知识发现(DM&KD)发展方向
2021-08-10 09:10:29
2.58MB
1. 概述
2. 数据仓库与OLAP技术
3. 数据挖掘技术
4. 数据挖掘应用
5. 数据挖掘工具
6. 数据挖掘实例
1.1 背景
1.2 数据挖掘定义
1.3 基本概念
1.4 主要功能
1.5 数据挖掘模型
1.6 实现流程
1.7 数据挖掘的应用
1.8 未来趋势
技术角度的定义
数据挖掘（Data Mining)是从大量的、不完全的、有噪声的、模糊的、随机的实际应用数据中，提取隐含在其中的、人们事先不知道的、但又是潜在有用的信息和知识的过程。与数据挖掘相近的同义词包括：数据融合、数据分析和决策支持等。
这一定义包括好几层含义:数据源必须是真实的、海量的、含噪声的;发现的是用户感兴趣的知识;发现的知识要可接受、可理解、可运用；并不要求发现放之四海皆准的知识，仅支持特定的发现问题。
2021-08-10 09:10:27
5.9MB
Informatica 9.6 实战课程，将从数据仓库体系架构介绍，服务器搭建配置，实例组件操作，丰富的案例，及项目实战开发过程 来讲述ETL工具Informatica的实际应用，真正完成数据仓库全流程开发应用，ODS层，EDW层，DM层，学完该课程具备ETL软件开发工程师能力水平，能独立完成项目开发工作，从入门到高级项目开发应用，每个实例都载图，课件，教程，数据等，能达到中高级ETL开发能力，本课程的学习要求，一定跟着实例动手实战，操作才能掌握实例的开发步骤，及开发注意事项。
2021-08-10 00:35:47
67.67MB
1