原文:（原创）大数据时代：基于微软案例数据库数据挖掘知识点总结（结果预测篇）前言
本篇文章主要是继续前几篇Microsoft决策树分析算法、Microsoft聚类分析算法、Microsoft Naive Bayes 算法，算法介绍后，经过这几种算法综合挖掘和分析之后，对一份摆在公司面前的人员信息列表...
分类：
数据库 时间：
2014-11-02 15:03:41
阅读次数：
260
原文:（原创）大数据时代：基于微软案例数据库数据挖掘知识点总结（Microsoft 顺序分析和聚类分析算法）前言
本篇文章继续我们的微软挖掘系列算法总结，前几篇文章已经将相关的主要算法做了详细的介绍，我为了展示方便，特地的整理了一个目录提纲篇：大数据时代：深入浅出微软数据挖掘算法总结连载，有兴趣的童...
分类：
数据库 时间：
2014-11-02 15:02:48
阅读次数：
293
原文:（原创）大数据时代：基于微软案例数据库数据挖掘知识点总结（Microsoft 时序算法）前言
本篇文章同样是继续微软系列挖掘算法总结，前几篇主要是基于状态离散值或连续值进行推测和预测，所用的算法主要是三种：Microsoft决策树分析算法、Microsoft聚类分析算法、Microsoft N...
分类：
数据库 时间：
2014-11-02 15:02:05
阅读次数：
260
原文:（原创）大数据时代：基于微软案例数据库数据挖掘知识点总结（Microsoft 聚类分析算法）本篇文章主要是继续上一篇Microsoft决策树分析算法后，采用另外一种分析算法对目标顾客群体的挖掘，同样的利用微软案例数据进行简要总结。
应用场景介绍
通过上一篇中我们采用Microsoft决策树分析...
分类：
数据库 时间：
2014-11-02 15:01:55
阅读次数：
192
原文:（原创）大数据时代：基于微软案例数据库数据挖掘知识点总结（Microsoft Naive Bayes 算法）本篇文章主要是继续上两篇Microsoft决策树分析算法和Microsoft聚类分析算法后，采用另外更为简单一种分析算法对目标顾客群体的挖掘，同样的利用微软案例数据进行简要总结。有兴趣的...
分类：
数据库 时间：
2014-11-02 14:59:40
阅读次数：
348
原文:（原创）大数据时代：基于微软案例数据库数据挖掘知识点总结（Microsoft 关联规则分析算法）前言
本篇继续我们的微软挖掘算法系列总结，前几篇我们分别介绍了：Microsoft决策树分析算法、Microsoft聚类分析算法、Microsoft Naive Bayes 算法、Microsoft...
分类：
数据库 时间：
2014-11-02 14:58:19
阅读次数：
257
阅读目的：理解quick shift，同时理解mean shift原理，mean shift用于图像聚类，优点是不需要指定聚类中心个数，缺点是计算量太大（原因）。mean shift主要用来寻找符合一些数据样本的模型，证明样本符合某一概率密度函数（PDF），是一种非参数迭代算法能够寻找模型和聚类。数...
分类：
其他好文 时间：
2014-10-31 23:38:54
阅读次数：
389
给定训练集，我们希望构建该数据联合分布这里，其中是概率，并且，用表示可能的取值。因此，我们构建的模型就是假设是由生成，而是从中随机选择出来的，那么就服从个依赖于的高斯分布中的一个。这就是高斯混合模型。是潜在随机变量，即它是隐藏的或者观察不到的，这将使得估计问题变得棘手。上面公式太多，作一个总结，总体...
分类：
编程语言 时间：
2014-10-30 20:50:13
阅读次数：
448
阅读导读：
1.什么是聚类分析？
2.Mahout中的kmeans算法，默认的分融符是什么？
3.用kmeans算法得到的结果有什么特点？
1.
聚类算法kmeans
聚类分析是数据挖掘及机器学习领域内的重点问题之一，在数据挖掘、模式识别、决策支持、机器学习及图像分割等领域有广泛的应用，是最重要的数据分析方法之一。聚类是在给定的数据集合中寻找同类的数据子集合，每一...
分类：
其他好文 时间：
2014-10-29 00:25:22
阅读次数：
359
给定训练集，想把这些样本分成不同的子集，即聚类，，但是这是个无标签数据集，也就是说我们再聚类的时候不能利用标签信息，所以这是一个无监督学习问题。k-means聚类算法的流程如下：1. 随机初始化聚类中心2. a. 对与每一个聚类中心，计算所有样本到该聚类中心的距离，然后选出距离该聚类中心最近的几个样...
分类：
编程语言 时间：
2014-10-28 20:02:27
阅读次数：
251
