数据挖掘 特征化 首先你要确定这些属性是不是对该属性有影响，可以按一个属性的取值分一下类，然后看另一个属性的取值分布，如果没有规律，就说明没有关系。我感觉按先将十一个属性分别与另一个属性做关联分析容易一些，然后通过属性泛化，来联合分析。
用于数据挖掘的聚类算法有哪些，各有何优势？ 如果真要做全面介绍的话，有可能是一部专著的篇幅。即使是做综述性的介绍，一篇三五十页的论文也可以写成…
数据仓库与数据挖掘有多大相关性，想从事数据挖掘，可以绕开数据仓库么；本人懂linux shell ，c/c++，sql 数据挖掘其实就是对数据仓库进行挖掘（相关性就像铁锹和土堆 自己理解）数据仓库属于后台工作 数据挖掘大部分属于前台工作有些小项目为了节省开支，数据仓库和数据挖掘都是同一批人做，这时候你绕不开有些大型项目各部门工作划分的很明显 数据仓库工作归数据建模人员做 数据挖掘归数据展现人员做 这个时候自然可以绕开
数据分析和数据挖掘有什么区别？ 作为一名数据分析师，当初在投入到数据分析行业的时候，也有上面的困惑。现在从行业现状和个人从业经验来回答一下这个问题。一、数据分析和数据挖掘的概念1.传统概念数据分析是早就存在的概念，广义的数据分析是包括了统计分析和数据挖掘的概念。这样的话，广义数据分析就可以简单分为：一是描述性数据分析，包括简单统计分析、聚类分析、关联分析、因子和主成分分析等等。二是预测性数据分析，包括了线性回归、逻辑回归、神经网络、决策树支持向量机等等。2.当今的理念到了大数据技术飞速发展的今天，数据分析分工日渐复杂，所以现在的数据分析一般是狭义的概念，主要是指一些传统的分析方法。那在描述性分析这方面，主要包括基本的统计分析（包括数据的集中趋势分析、数据的离散程度分析、数据的频数分布分析等），交叉分析，相关分析，因子分析等。在预测分析方面，主要包括回归分析（一元、多元、逻辑回归分析），假设检验分析，最小成本计算等等。对应于狭义数据分析，另外一个概念数据挖掘主要是指近几十年兴起的数据挖掘高新技术。主要分为了四类，包括分类（决策树、随机森林、神经网络、支持向量机等）、聚类（系统聚类、K均值聚类、高斯混合聚类等）、关联。
数据挖掘和数据分析之间的联系，搞数据分析基础是啥？就业情况怎样？ 本人今年刚考了研究生，想报大数据相关方向。昨天见了下导师，他是搞大数据相关的，主要方面是数据分析。
数据挖掘流程，介绍数据挖掘的整个流程。ETHINK数据挖掘平台 方法/步骤 1 数据取样。明确哪些数据源可用，哪些数据与当前挖掘目标相关？如何保证取样数据的质量？。
