Visual Studio 2005 Business Intelligence 自带的数据挖掘技术
2011-09-19 13:18
369 查看
Microsoft Naive Bayes 算法是一种可以快速生成并且适合预测性建模的分类算法。该算法仅支持离散属性或离散化属性。而且在给定可预测属性的情况下,它将所有输入属性都当做独立属性。
Microsoft 关联规则算法生成的规则描述哪些项最有可能在事务中出现在一起。借助这些规则,可以根据其他项在事务中的出现情况,来预测某一项的出现情况。
Microsoft聚类分析算法运用迭代技术将来自数据集的记录分成多个分类,其中每个分类包含类似的特征。若要找出数据中的一般分组,此算法就很有用。
Microsoft 决策树算法是一种适合预测性建模的分类算法。该算法支持离散属性和连续属性的预测。
Microsoft 逻辑回归算法是一种适合回归建模的回归算法。该算法是 Microsoft 神经网络算法的一种,是通过消除隐藏层获得的。该算法支持对离散属性和连续属性进行预测。
Microsoft 神经网络算法使用梯度法来优化多层网络的参数,以预测多个属性。它可以用于离散属性的分类和连续属性的回归。
Microsoft 时序算法使用线性回归决策树方法来分析与时间相关的数据,例如,月销售额数据或年利润。使用该算法发现的模式可以预测未来时间步长的值。
Microsoft顺序分析和聚类分析算法结合了顺序分析和聚类分析,它可标识出序列中排序方式类似的事件所组成的分类。使用分类,可以根据已知特征预测事件可能以何种顺序在序列中排列。
Microsoft 线性回归算法是一种适合回归建模的回归算法。该算法是 Microsoft 决策树算法的一种,是通过禁用拆分(整个回归公式放在单个根节点中)获得的。该算法支持对连续属性进行预测。
Microsoft 关联规则算法生成的规则描述哪些项最有可能在事务中出现在一起。借助这些规则,可以根据其他项在事务中的出现情况,来预测某一项的出现情况。
Microsoft聚类分析算法运用迭代技术将来自数据集的记录分成多个分类,其中每个分类包含类似的特征。若要找出数据中的一般分组,此算法就很有用。
Microsoft 决策树算法是一种适合预测性建模的分类算法。该算法支持离散属性和连续属性的预测。
Microsoft 逻辑回归算法是一种适合回归建模的回归算法。该算法是 Microsoft 神经网络算法的一种,是通过消除隐藏层获得的。该算法支持对离散属性和连续属性进行预测。
Microsoft 神经网络算法使用梯度法来优化多层网络的参数,以预测多个属性。它可以用于离散属性的分类和连续属性的回归。
Microsoft 时序算法使用线性回归决策树方法来分析与时间相关的数据,例如,月销售额数据或年利润。使用该算法发现的模式可以预测未来时间步长的值。
Microsoft顺序分析和聚类分析算法结合了顺序分析和聚类分析,它可标识出序列中排序方式类似的事件所组成的分类。使用分类,可以根据已知特征预测事件可能以何种顺序在序列中排列。
Microsoft 线性回归算法是一种适合回归建模的回归算法。该算法是 Microsoft 决策树算法的一种,是通过禁用拆分(整个回归公式放在单个根节点中)获得的。该算法支持对连续属性进行预测。
相关文章推荐
- Data Mining with SQL Server 2005(数据挖掘技术) - 1
- 浅析十三种常用的数据挖掘的技术&五个免费开源的数据挖掘软件
- 数据挖掘概念与技术 第2章 认识数据
- 全文检索、数据挖掘、推荐引擎系列1---技术架构
- 数据挖掘 多维分析技术理论基础知识
- 数据挖掘概念与技术 第3章 数据预处理
- 大数据技术丛书《数据挖掘:实用案例分析》迷你书
- 数据挖掘:概念与技术(第三版)之第七章的学习记录
- 盘点数据挖掘技术在CRM中的作用
- 挖挖双色球——数据挖掘技术 分享
- 数据挖掘软件开发关键技术分析
- sql server 2005处理数据挖掘结构出现错误
- 基于Access数据源的Clementine数据挖掘技术
- 《数据挖掘-概念与技术》之数据预处理
- 试析在电子商务中如何正确的使用数据挖掘技术
- 煤炭企业基于数据挖掘技术的云ERP应用分析
- 解析XML与面向Web的数据挖掘技术
- 数据挖掘概念与技术11--数据仓库的实现
- 利用数据挖掘技术获得商业智能
- 计算机学科技术前沿:数据挖掘领域的十大挑战问题