数据挖掘算法概览

数据挖掘分类算法概述 不同分类算法原理及特点对比 分类算法在实际中的应用举例

分类清晰的数据挖掘算法，挺适合刚入门或者想梳理知识点的你。数据库挖掘、Web 挖掘、文本挖掘，还有音视频这些冷门点也都有提到。内容不算长，但干货够用。嗯，要是你想继续深挖，后面那几个链接就蛮实用了，像文本挖掘手册、R 语言那篇文章，我自己也收藏过几次。

数据挖掘软件的发展讲得还挺全的，内容从早期工具说起，一直讲到现在主流的软件，适合刚入门或者准备选工具的朋友翻一翻。像是Minitab、SPSS、Eviews这些常见选手，都有对比和实际案例，比较贴地气，懂点 Excel 也能跟上。页面里还贴了不少资源链接，像Minitab 数据软件详解这种，点进去能看到软件截图和使用建议，蛮实用的，不像有些纯理论讲一堆听不懂。我觉得如果你想找一套合适的数据工具，但又不确定选哪个，先过一遍这份 PPT 思路会清晰多。哦对了，文档是 PPT 形式的，排版清爽，逻辑也清楚，看着不累。要是你已经用Python在，那也别急着跳过，里面还有像Python 数据经典应用与发

数据挖掘涉及发展、技术及其商业应用。适合入门学者和研究人员参考。

从交易数据库里挖规则，用得挺顺的一份资料，适合你想搞懂关联规则挖掘的来看看。文档里一口气讲了从一维布尔到多维多层的挖掘方式，还捎带聊了相关性，内容够全，节奏也清晰，适合边学边实操。 关联规则挖掘的套路，主要靠频繁项集和支持度置信度的组合。比如，你常见的Apriori 算法，用得多、资料多，学习起来也轻松。配合后面讲的AIGEP 算法，还能应付多维复杂场景，适合项目里玩点花样。 你要是搞WEKA的，可以顺着这份教程练起来，界面操作友好，过程还直观。想试试层级结构的，也别错过多层关联规则这块，挺适合做数据层次的。 嗯，如果你比较关心规则之间的冲突、负向关系，也有加权负关联规则挖掘这种小众内容，虽然

信息技术普及后，企业运用管理信息系统处理事务与业务，积累了大量信息。为辅助管理决策，企业需要特殊工具从数据中提取知识，促进了数据环境需求和数据挖掘工具的发展。

SAS公司的Enterprise Miner、IBM公司的Intelligent Miner、SPSS公司的Clementine、Statsoft公司的Statistica Data Miner、DB Miner公司的DBMiner、NCR公司的Teradata Warehouse Miner、Unica公司的Affinium Model、Insightful公司的Insightful Miner、Data Miner公司的RIK, EDM and DMSK、Information Discovery公司的Data Mining Suite、Angoss公司的KnowledgeSTUDIO、D

本项目汇集了我的数据挖掘研究成果。其中包括经典的事务挖掘算法 Apriori 和 FP-Growth。此外，还涵盖了共置模式挖掘算法，这是我研究生学习的重点领域。

数据挖掘通过从大量数据中提取模式来揭示隐藏的知识，这些模式有效、新颖、有用、可靠且可理解。