《Mining the massive data》 第一章 笔记
2016-03-24 16:33
253 查看
《Mining the massive data》 第一章 笔记
数据挖掘的基本概念数据挖掘是数据“模型”的发现过程,e.g.统计建模
机器学习vs数据挖掘
一些数据挖掘 方法中 使用了机器学习算法,如贝叶斯网络, SVM , 决策树,隐马尔科夫模型etc。
机器学习擅长的典型场景是人民对数据中的寻找目标一无所知,如推荐算法。但如果我们队挖掘的目标能够直接描述,机器学习算法并不高效。
数据建模的方法
1) 数据汇总:对数据进行简洁的近似汇总描述。e.g. PageRank,聚类
2)特征抽取:从数据中抽取特征,并忽略其他。e.g. 频繁项集,相似性
数据挖掘的统计限制
邦弗朗尼原理 (Bonferroni correction)
假设数据随机,计算所寻找事件的期望,如果该期望值显著高于你所希望找到的真实事件的数目,那么寻找到的结果都是臆造的,是统计的假象。
习题
相关文章推荐
- 程序进度条基础篇(WPF、C#、BackgroundWorker、代码说明)
- Android多进程导致多次初始化Application
- (4.1.36.10)[Android]Android字体高度的研究
- Android调试驱动抓log的方法
- 《码农·码农论剑(第22期)》的笔记
- 在线屏幕录制软件
- PHPmailer For THINKPHP
- sqlserver数据库中的位操作功能
- 导航控制器中移除某一个控制器
- 访问其他程序的SheardPreferents
- SM2/RSA证书工具--简单CA实现
- Android中Volley框架Get,POST封装使用及自动解析JSON
- 通常在使用Android的getActionBar()的时候报空指针异常,通常有5种原因。
- 匹配emoji
- Android系统关机或重启的几种实现方式
- C++重新学习心得(1)(《C++Primer第四版》1-8章)
- Exception_JDK安装Error opening registry key...
- 关于UITableView 刷新遇到的坑:"Invalid update"
- 高并发的几个解决方案
- angularjs结合plupload实现文件上传