數(shù)據(jù)挖掘一般是指從海量數(shù)據(jù)中提取出其中無法直接獲取的信息。通過各種數(shù)據(jù)源，將信息整合，發(fā)掘其內(nèi)在關(guān)系。數(shù)據(jù)挖掘一般來說有6類，分別是回歸、分類、預(yù)測、關(guān)聯(lián)分析、預(yù)測分析和異常檢測。

回歸：確定兩種及以上變量之間相互依賴關(guān)系的一種方法。簡單來說就是找到自變量和因變量之間的函數(shù)關(guān)系。根據(jù)變量的不同，可分為一元回歸和多元回歸；根據(jù)自變量和因變量之間的關(guān)系類型，可分為線性回歸和非線性回歸。

分類：根據(jù)事物表現(xiàn)的特征，對事物進行分類，常見有決策樹、神經(jīng)網(wǎng)絡(luò)、貝葉斯。

預(yù)測：以現(xiàn)有的數(shù)據(jù)為基礎(chǔ)，推出其內(nèi)在規(guī)律，對未發(fā)生的情況進行預(yù)測，發(fā)現(xiàn)其內(nèi)在規(guī)律，為人們進行決策提供了科學(xué)依據(jù)。

關(guān)聯(lián)分析：用來發(fā)現(xiàn)描述數(shù)據(jù)中強關(guān)聯(lián)特征的模式，簡單來說就是挖掘出數(shù)據(jù)之間的關(guān)聯(lián)強度。在超市購買商品，假設(shè)存在20種常被購買的商品，可以通過關(guān)聯(lián)分析，計算出商品之間的關(guān)聯(lián)關(guān)系，滿足一定條件的即為頻繁項集。也就是說購買的頻率會足夠大。

聚類分析：討論大量無標(biāo)簽的樣本，按照一定特征下對樣本進行分類。主要是追求求其高相似度。常見有K-means聚類。

異常檢測：通常統(tǒng)計數(shù)據(jù)中會出現(xiàn)離群點，比如一家公司所有人的工資，有一個重數(shù)為員工工資，但是會有董事長、經(jīng)歷的工資會較為異常，所以這類數(shù)據(jù)也十分有意義。

機器學(xué)習(xí)是計算機科學(xué)的一個領(lǐng)域，使用統(tǒng)計技術(shù)給計算機系統(tǒng)提供“學(xué)習(xí)的能力”，從一堆數(shù)據(jù)種找出其中規(guī)律（學(xué)習(xí)），然后運用到新數(shù)據(jù)中（預(yù)測），這樣的規(guī)律叫模型。主要可以分為監(jiān)督學(xué)習(xí)和無監(jiān)督學(xué)習(xí)。監(jiān)督學(xué)習(xí)是指人為定義標(biāo)準(zhǔn)并執(zhí)行，主要有回歸、分類兩類。無監(jiān)督學(xué)習(xí)是指計算機自己尋找其中規(guī)律，主要有聚類分析。

?機器學(xué)習(xí)框架，建立機器學(xué)習(xí)框架時，會用到很多python程序模塊，常見的有Numpy、scikit-learn、matplotlib等。

機器學(xué)習(xí)框架一般存下以下幾個步驟:

? ? ? ? 1.數(shù)據(jù)加載

? ? ? ? 2.模型選取

? ? ? ? 3.模型訓(xùn)練

? ? ? ? 4.模型預(yù)測

? ? ? ? 5.模型評測

? ? ? ? 6.模型保存

一般來說會將數(shù)據(jù)集分為訓(xùn)練集和測試集，一般為3：1，通過訓(xùn)練集得出最優(yōu)模型，再再測試集進行模型預(yù)測。

總結(jié)

以上是生活随笔為你收集整理的数据挖掘和机器学习的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。