本文主要介紹在Microsoft SQL Server中的Python如何增強(qiáng)機(jī)器學(xué)習(xí)以及它的優(yōu)點(diǎn)和受益人群

2019-01-30 11:34:50.000

文章主要介紹機(jī)器學(xué)習(xí)的生命周期和參與角色的相關(guān)概念，以及SQL Server如何支持機(jī)器學(xué)習(xí)的介紹

2018-12-27 16:53:43.000

數(shù)據(jù)挖掘中的十大實(shí)用分析方法

2017-10-13 09:43:33.000

從數(shù)字時(shí)代到認(rèn)知時(shí)代，大數(shù)據(jù)是永遠(yuǎn)的焦點(diǎn)。大數(shù)據(jù)項(xiàng)目雨后春筍般層出不窮，利用數(shù)據(jù)分析進(jìn)行商業(yè)決策的公司也越來越多，然而當(dāng)下關(guān)注的焦點(diǎn)正在發(fā)生轉(zhuǎn)變，漸漸從數(shù)據(jù)分析邁向數(shù)據(jù)集成。例如在前幾期的系列文章中，小編多次向大家安利的IBM IIG（數(shù)據(jù)集成與監(jiān)管）解決方案就是集成領(lǐng)域當(dāng)之無愧的“大明星”。

2017-06-16 11:12:12.000

在企業(yè)“數(shù)字化轉(zhuǎn)型”的浪潮中，數(shù)據(jù)就像血液一樣流淌在不同的業(yè)務(wù)載體中，時(shí)刻牽動(dòng)著企業(yè)決策和業(yè)務(wù)發(fā)展方向。隨著數(shù)據(jù)的爆炸式增長(zhǎng)和企業(yè)轉(zhuǎn)型進(jìn)程的推進(jìn)，企業(yè)對(duì)數(shù)據(jù)質(zhì)量有了更高的要求。想要撬動(dòng)“大數(shù)據(jù)”這座金山，“可信任數(shù)據(jù)”將成為下一步企業(yè)必爭(zhēng)之地。

2017-05-22 10:03:49.000

數(shù)據(jù)挖掘涉及到公司運(yùn)營(yíng)的方方面面，這包括對(duì)企業(yè)部門經(jīng)營(yíng)情況的評(píng)估、內(nèi)部員工的管理、生產(chǎn)流程的監(jiān)管、產(chǎn)品結(jié)構(gòu)優(yōu)化與新產(chǎn)品開發(fā)、財(cái)務(wù)成本優(yōu)化、市場(chǎng)結(jié)構(gòu)的分析和客戶關(guān)系的管理。

2017-01-03 10:22:24.000

在大數(shù)據(jù)領(lǐng)域里，經(jīng)常會(huì)看到例如數(shù)據(jù)挖掘、OLAP、數(shù)據(jù)分析、數(shù)據(jù)可視化等等的專業(yè)詞匯。如果僅僅從字面上，我們很難說清楚每個(gè)詞匯的意義和區(qū)別。今天，我們就來通過一些大數(shù)據(jù)在高校應(yīng)用的例子，來為大家說明白—數(shù)據(jù)挖掘、大數(shù)據(jù)、OLAP、數(shù)據(jù)可視化的區(qū)別。

2016-12-16 09:54:59.000

硬要去區(qū)分Data Mining和Statistics的差異其實(shí)是沒有太大意義的。一般將之定義為Data Mining技術(shù)的CART、CHAID或模糊計(jì)算等等理論方法，也都是由統(tǒng)計(jì)學(xué)者根據(jù)統(tǒng)計(jì)理論所發(fā)展衍生，換另一個(gè)角度看，Data Mining有相當(dāng)大的比重是由高等統(tǒng)計(jì)學(xué)中的多變量分析所支撐。但是為什么Data Mining的出現(xiàn)會(huì)引發(fā)各領(lǐng)域的廣泛注意呢？

2016-10-12 09:50:15.000

從分析的目的來看，數(shù)據(jù)分析一般是對(duì)歷史數(shù)據(jù)進(jìn)行統(tǒng)計(jì)學(xué)上的一些分析，數(shù)據(jù)挖掘更側(cè)重于機(jī)器對(duì)未來的預(yù)測(cè)，一般應(yīng)用于分類、聚類、推薦、關(guān)聯(lián)規(guī)則等。

2016-09-13 09:20:01.000

上百篇大數(shù)據(jù)、數(shù)據(jù)分析、數(shù)據(jù)挖掘電子書合輯免費(fèi)下載！

2016-09-07 09:56:02.000