基于统计学方法,对故障诊断及故障处理过程中可能遇到的典型故障现象,提出一系列稳定可靠的故障数据模拟新算法,由此可灵活组配各种需要的模拟数据方案。建立了模拟故障数据构造的层次组合模型,总结出不同实际情况需求的模拟故障数据算法步骤。结合配电网中2个实例,通过等价类划分进行实验。结果表明所建议的方法在故障数据模拟过程中简单实用。该算法尽可能抽象故障数据中最本质的内容,对数据挖据及故障模拟方案的设计及实施有一定的实际意义。

2006年IEEE数据挖掘国际会议选出的十个最具影响力的数据挖掘算法。由多位算法大牛筛选并完成此书。该书对初学人们十分有益。

大数据学习的基础材料，简单易懂，适合初学者

中科院数据挖据考试真题，考试必备题库。

为了提高大数据的精准挖据与预测能力，解决传统数据挖据技术无法适应大数据处理环境的问题，利用云计算和大数据处理技术，提出了大数据精准挖据处理架构及基于BP神经网络的预测模型。重点研究了大数据处理平台架构、大数据分析与表达技术、基于BP神经网络的大数据挖据及预测模型。应用结果表明，该方案结合云计算平台和大数据挖掘技术，能够高效的处理海量数据的处理和表达，对于销售数据具有一定的预测能力。

AGNES聚类法的基本算法部分，使用结构体数组存放测试数据，使用LIST容器及迭代器辅助聚类(注释是UTF-8编码格式的，在linux下可正常查看，在windows下需要转换格式)

本文档为python数据挖掘学习代码，代码为：Robert Layton (作者) 杜春晓 (译者) 所编写的《Python数据挖掘入门与实践 》一书全部代码，代码可以自己学习，也可以跟随书籍学习，相对比较入门。主要项目为：（代码顺序依次为下面序号+1） 1、用scikit-learn估计器分类 2、用决策树预测获胜球队 3、用亲和性分析方法推荐电影 4、用转换器抽取特征 5、使用朴素贝叶斯进行社会媒体挖掘 6、用图挖掘找到感兴趣的人 7、用神经网络破解验证码 8、作者归属问题 9、新闻语料分类 10、用深度学习方法为图像中的物体进行分类 11、大数据处理

建模分析师（数据分析师、数据挖掘工程师） 理论基础：统计学、概率论、数理统计、多元统计分析、时间序列、数据挖掘（DM） 软件要求：Excel、SQL（必要）& SPSS Modeler、R、Python、SAS、Weka等（可选） 分析方法要求： 除掌握基本数据处理及分析方法以外，还应掌握高级数据分析及数据挖掘方法（多元线性回归法、生存分析法、神经网路、决策树、判别分析法、主成分分析法、因子分析法、典型相关分析、聚类分析法、关联规则、支持向量机、bagging、boosting等）和可视化技术。 业务分析能力： 可以将业务目标转化为数据分析目标 熟悉常用算法和数据结构，熟悉企业数据库架构建设 针对不同分析主体，可以熟练的进行维度分析，能够从海量数据中搜集并提取信息 通过相关数据分析方法，结合一个或多个数据分析软件完成对海量数据的处理和分析 结果展现能力： 报告体现数据挖掘的整体流程，层层阐述信息的收集、模型的构建、结果的验证和解读，对行业进行评估，优化和决策。

数据挖掘的课程设计,需要的老铁可以拿走 基于ANP的网络关键技术识别研究

包括：数据挖掘技术的基本知识及理论、主要应用场景及常用算法和针对具体应用的技术实现路线