Как начать читать о майнинге данных?

14

Я новичок, который собирается начать читать о интеллектуальном анализе данных. У меня есть базовые знания по ИИ и статистике. Поскольку многие говорят, что машинное обучение также играет важную роль в интеллектуальном анализе данных, нужно ли читать о машинном обучении, прежде чем я смогу продолжить изучение данных?

machine-learning references data-mining

— муравьев
источник

1

Интеллектуальный

— анализ

12

Будучи несколько в этом положении, я постараюсь дать некоторое представление.

Во-первых, загрузите элементы статистического обучения . Это предполагает исчисление и линейную алгебру, и хотя это очень технически, это также чрезвычайно хорошо написано.

Во-вторых (или во-первых) посмотрите учебники Эндрю Нг по машинному обучению.

В-третьих, получите некоторые данные и начните пытаться анализировать данные. Вам нужно будет разбить учебные и тестовые наборы, а затем построить модели на тренировочном наборе и проверить их на соответствие тестовому набору. Я нашел пакет каретки для R очень полезным для всего этого. После этого его практика, практика практики (как и почти все остальное).

— richiemorrisroe
источник

1

вы напугаете беднягу навсегда!

— Нил Макгиган

В течение осени 2011 года курс Andew Ng будет «предлагаться бесплатно и онлайн» для студентов всего мира, согласно ml-class.org

— Andre Holzner,

5

Введение в интеллектуальный анализ данных от Tan, Steinbech, Kumar - лучшая вступительная книга

http://www.amazon.com/Introduction-Data-Mining-Pang-Ning-Tan/dp/0321321367

сохранить EoSL для того, когда вы хотите копать глубже. Это скорее ссылка.

— Нил Макгиган
источник

4

Интеллектуальный анализ данных может быть описательным или прогнозным.

С одной стороны, если вы заинтересованы в интеллектуальном извлечении данных, то машинное обучение не поможет.

$k$ $n$

$k$ $n$
$\frac{k}{n}$ $n$

— котелок с выпуклым днищем
источник

3

Стоит отметить, что некоторые авторы любят проводить различие между СД и ОД в зависимости от величины

k / n

$k/n$ , Лично мне нравится подход Рэдфорда Нила в его курсе « Статистические методы для машинного обучения и интеллектуального анализа данных : многие проблемы машинного обучения имеют большое количество переменных». В приложениях интеллектуального анализа данных часто встречается большое количество случаев.

— хл

3

Я только добавил еще один очень хороший источник учебников по интеллектуальному анализу данных / машинному обучению Тома Митчелла .

Он объясняет это очень четко, и вы также можете скачать его презентации с его сайта (вместе с просмотром его лекций там).

— Мирослав Сабо
источник