1. Tecnología estadística
2. Reglas de asociación
3. Análisis MBR (razonamiento de memoria).
4. Algoritmo genético
5. Detección de agregación
6. Análisis de conexión
7. >8. Red neuronal
9. Conjunto aproximado
10, Conjunto difuso
11, Análisis de regresión
12, Análisis de diferencias
13. Descripción del concepto
Debido a la urgente necesidad de convertir los datos existentes en bases de datos y otras bases de información en conocimientos útiles, la minería de datos se considera un campo de investigación nuevo y muy importante. Amplias perspectivas y desafíos de aplicación, que atraen a muchas disciplinas (como bases de datos, inteligencia artificial, estadísticas, almacenes de datos, procesamiento analítico en línea, sistemas expertos, visualización de datos, aprendizaje automático, recuperación de información, redes neuronales, reconocimiento de patrones, computadoras de alto rendimiento, etc. .) investigadores. ). Con el mayor desarrollo de la minería de datos, inevitablemente traerá mayores beneficios a los usuarios.
Si tienes dudas sobre cómo aprender a extraer datos, te recomiendo el curso de analista de datos CDA. Organice la aplicación de Sklearn/LightGBM, Tensorflow/PyTorch, Transformer y otras herramientas, analice las necesidades comerciales en función de los resultados de salida y brinde soporte de datos para una optimización de estrategias razonable y efectiva. El curso no solo cultiva la teoría de la minería de datos dura y las habilidades del algoritmo de minería de datos Python de los estudiantes, sino que también cultiva el pensamiento de gobernanza de datos blandos, el pensamiento de optimización de estrategias comerciales, el pensamiento de gestión de minería, el pensamiento algorítmico y el pensamiento de análisis predictivo de los estudiantes, y mejora integralmente los datos de los estudiantes. perspectivas. Haga clic para reservar una lección de prueba gratuita.