“数据挖掘”版本间的差异
来自iCenter Wiki
（图书馆） |
（cc） |
||
| 第3行： | 第3行： | ||
从商业应用角度看，数据挖掘是一种崭新的商业信息处理技术，其主要特点是对商业数据库中的大量业务数据进行抽取、转化、分析和模式化处理，从中提取辅助商业决策的关键知识。 | 从商业应用角度看，数据挖掘是一种崭新的商业信息处理技术，其主要特点是对商业数据库中的大量业务数据进行抽取、转化、分析和模式化处理，从中提取辅助商业决策的关键知识。 | ||
数据挖掘的发展受到数据库系统、统计学、机器学习、可视化技术、信息技术以及其它学科的影响，例如神经网络、模糊/粗糙集理论、知识表示、归纳技术与高性能计算等。 | 数据挖掘的发展受到数据库系统、统计学、机器学习、可视化技术、信息技术以及其它学科的影响，例如神经网络、模糊/粗糙集理论、知识表示、归纳技术与高性能计算等。 | ||
| + | |||
| + | =版权声明= | ||
| + | [http://creativecommons.org/licenses/by-nc-nd/3.0/cn/ 署名-非商业性使用-禁止演绎 3.0 中国大陆 (CC BY-NC-ND 3.0 CN)] | ||
| + | [[File:BYNCND.png | link=http://creativecommons.org/licenses/by-nc-nd/3.0/cn/ ]] | ||
2015年8月29日 (六) 09:33的版本
从技术角度看，数据挖掘是从大量的、不完全的、有噪声的、模糊的、随机的实际数据中，提取隐含在其中的、人们所不知道的、但又是潜在有用的信息和知识的过程。
从商业应用角度看，数据挖掘是一种崭新的商业信息处理技术，其主要特点是对商业数据库中的大量业务数据进行抽取、转化、分析和模式化处理，从中提取辅助商业决策的关键知识。 数据挖掘的发展受到数据库系统、统计学、机器学习、可视化技术、信息技术以及其它学科的影响，例如神经网络、模糊/粗糙集理论、知识表示、归纳技术与高性能计算等。
