毕业生就业数据分析系统开发设计说明.docx
124 浏览量
2022-12-19
03:40:11
上传
评论 1
收藏 711KB DOCX 举报
能对过去的数据迸行查询和遍历，并且能够找出过去数据之间的潜在联系，从而促迸 信息的传递。
1. 5. 2数据挖掘技术的定义与含义
数据挖掘(Data Mining)就是从大量的、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。
从广义上讲，数据、信息也是知识的表现形式，但是人们更把概念、规那么、模式、 规律和约
束等看作知识。人们把数据看作是形成知识的源泉，不断地挖掘。原始数据 可以是结构化的，如关
系数据库中的数据；也可以是半结构化的，如文本、图形和图 像数据；甚至是分布在网络上的异构
型数据。发现知识的方法可以是数学的，也可以 是非数学的；可以是演绎的，也可以是归纳的。发
现的知识可以被用于信息管理，查 询优化，决策支持和过程控制等，还可以用于数据自身的维护。
因此，数据挖掘是一 门交叉学科，它把人们对数据的应用从低层次的简单查询，提升到从数据中挖
掘知识， 提供决策支持。在这种需求牵引下，汇聚了不同领域的研究者，尤其是数据库技术、 人工
智能技术、数理统计、可视化技术、并行计算等方面的学者和工程技术人员，投 身到数据挖掘这一
新兴的研究领域，形成新的技术热点。
数据挖掘也是一种新的商业信息处理技术，其主要特点是对商业数据库中的大量 业务数据进行
抽取、转换、分析和其他模型化处理，从中提取辅助商业决策的关键性 数据。简而言之，数据挖掘
其实是一类深层次的数据分析方法。商业领域产生了大量 的业务数据，这些数据不再是为了分析的
目的而提供的，而是由于纯机会的
(Opportunistic)商业运作而产生。分析这些数据也不再是单纯为了研究的需要，更 主要是为商
业决策提供真正有价值的信息，进而获得利润。但所有企业面临的一个共 同问题是：企业数据量非
常大，而其中真正有价值的信息却很少，因此从大量的数据 中经过深层分析，获得有利于商业运作、
提高竞争力的信息，就像从矿石中淘金一样， 数据挖掘也因此而得名。
L6贝叶斯分类算法贝叶斯算法的介绍
贝叶斯分类算法是统计学的一种分类方法，它是一类利用概率统计知识进行分类 的算法°在许
多场合，朴素贝叶斯(Naive Bayes
5
NB)分类算法可以与决策树和神经网 络分类算法相媲美，该
算法能运用到大型数据库中，而且方法简单、分类准确率高、 速度快。
由于贝叶斯定理假设一个属性值对给定类的影响独立于其它属性的值，而此假设 在实际情况中
经常是不成立的，因此其分类准确率可能会下降。为此，就衍生出许多
剩余35页未读，继续阅读
资源评论
