Справка
x
Поиск
Закладки
Озвучить книгу
Изменить режим чтения
Изменить размер шрифта
Оглавление
Для озвучивания и цитирования книги перейдите в режим постраничного просмотра.
Data Mining
7. Лекция 5. Задачи Data Mining. Классификация и кластеризация
Предыдущая страница
Следующая страница
Оглавление
3. Лекция 1. Что такое Data Mining?
4. Лекция 2. Данные
5. Лекция 3. Методы и стадии Data Mining
6. Лекция 4. Задачи Data Mining. Информация и знания
7. Лекция 5. Задачи Data Mining. Классификация и кластеризация
8. Лекция 6. Задачи Data Mining. Прогнозирование и визуализация
9. Лекция 7. Сферы применения Data Mining
10. Лекция 8. Основы анализа данных
11. Лекция 9. Методы классификации и прогнозирования. Деревья решений
12. Лекция 10. Методы классификации и прогнозирования. Метод опорных векторов. Метод "ближайшего соседа". Байесовская классификация
13. Лекция 11. Методы классификации и прогнозирования. Нейронные сети
14. Лекция 12. Нейронные сети. Самоорганизующиеся карты Кохонена
15. Лекция 13. Методы кластерного анализа. Иерархические методы
16. Лекция 14. Методы кластерного анализа. Итера тивные методы
17. Лекция 15. Методы поиска ассоциативных правил
18. Лекция 16. Способы визуального представления данных. Методы визуализации
19. Лекция 17. Комплексный подход к внедрению Data Mining, OLAP и хранилищ данных в СППР
20. Лекция 18. Процесс Data Mining. На чальные этапы
21. Лекция 19. Процесс Data Mining. Очистка данных
22. Лекция 20. Процесс Data Mining. По строение и использование модели
23. Лекция 21. Организационные и челове ческие факторы в Data Mining. Стандарты Data Mining
24. Лекция 22. Рынок инструментов Data Mining
25. Лекция 23. Инструменты Data Mining. SAS Enterprise Miner
26. Лекция 24. Инструменты Data Mining. Система PolyAnalyst
27. Лекция 25. Инструменты Data Mining. Программные продукты Cognos и система STATISTICA Data Miner
28. Лекция 26. Инструменты Oracle Data Mining и Deductor
29. Лекция 27. Инструмент KXEN
30. Лекция 28. Data Mining консалтинг
31. Список литературы
Данный блок поддерживает скрол*