463
个编辑
更改
跳到导航
跳到搜索
第77行：
第77行： − + 第83行：
第83行： − 数据库中的知识发现过程通常定义为以下几个阶段:+ 第246行：
第246行： − −
→Process
从数据中手工提取图案已经发生了几个世纪了。早期识别数据中模式的方法包括贝叶斯定理(17世纪)和回归分析定理(19世纪)。计算机技术的扩散、普及和不断增强的能力极大地提高了数据的收集、存储和操作能力。随着数据集的规模和复杂性的增长，直接的“实际操作”数据分析越来越多地借助于间接的、自动化的数据处理，辅之以计算机科学领域的其他发现，特别是在机器学习领域，如神经网络、数据聚类、遗传算法(1950年代)、决策树和决策规则(1960年代) ，以及支持向量机(1990年代)。数据挖掘就是应用这些方法来发现大型数据集中的隐藏模式的过程。它利用数据在数据库中存储和索引的方式，更有效地执行实际的学习和发现算法，从而弥补了从应用统计学和人工智能(通常提供数学背景)到数据库管理之间的差距，使这些方法能够应用于更大的数据集。
从数据中手工提取图案已经发生了几个世纪了。早期识别数据中模式的方法包括贝叶斯定理(17世纪)和回归分析定理(19世纪)。计算机技术的扩散、普及和不断增强的能力极大地提高了数据的收集、存储和操作能力。随着数据集的规模和复杂性的增长，直接的“实际操作”数据分析越来越多地借助于间接的、自动化的数据处理，辅之以计算机科学领域的其他发现，特别是在机器学习领域，如神经网络、数据聚类、遗传算法(1950年代)、决策树和决策规则(1960年代) ，以及支持向量机(1990年代)。数据挖掘就是应用这些方法来发现大型数据集中的隐藏模式的过程。它利用数据在数据库中存储和索引的方式，更有效地执行实际的学习和发现算法，从而弥补了从应用统计学和人工智能(通常提供数学背景)到数据库管理之间的差距，使这些方法能够应用于更大的数据集。
==Process==
==发展过程 Process==
The ''knowledge discovery in databases (KDD) process'' is commonly defined with the stages:
The ''knowledge discovery in databases (KDD) process'' is commonly defined with the stages:
The knowledge discovery in databases (KDD) process is commonly defined with the stages:
The knowledge discovery in databases (KDD) process is commonly defined with the stages:
数据库中的知识发现 Knowledge Discovery in Databases ，KDD过程通常定义为以下几个阶段:
如果学习的模式不能达到预期的标准，那么就需要重新评估和修改预处理和数据挖掘的步骤。如果所学的模式确实符合所需的标准，那么最后一步就是解释所学的模式并将其转化为知识。
如果学习的模式不能达到预期的标准，那么就需要重新评估和修改预处理和数据挖掘的步骤。如果所学的模式确实符合所需的标准，那么最后一步就是解释所学的模式并将其转化为知识。
==Research==
==Research==