引言： 数据挖掘与统计学的关系 1、什么是数据挖掘？ 数据挖掘(Data Mining)是采用数学的、统计的、人工智能和神经网络等领域的科学方法，如记忆推理、聚类分析、关联分析、决策树、神经网络、基因算法等技术，从大量数据中挖掘出隐含的、先前未知的、对决策有潜在价值的关系、模式和趋势,并用这些知识和规则...
摘要： 微软将会在我们学院开设一门名为“软件实现技术（software implementation technology）”的专业课，该课程主要通过对编码技术的学习和大量案例分析，并融合微软工程师们多年的软件开发经验来指导学生如何掌握编码技巧、提高编码技术，使学生具备一定的代码质量鉴别能力，增强学生解决问题和综合分析的能力。引用我们苏院长的一句话，“该课程将成为北大软院的一门精品课、招牌课！” 笔者将......
摘要： 对象的互斥访问，c#有lock关键字，java有synchronized关键字，windows下的c++就只有通过criticalsection api自己编程实现了。下面是小鸡射手的mutex类： class mutex { public: mutex() {initializecriticalsection(&m_cs);} virtual ~mutex() {deletecriti......
数据挖掘与统计学的关系数据挖掘与统计学的关系 1.什么是数据挖掘? 数据挖掘(data mining)是采用数学的.统计的.人工智能与神经网络等领域的科学方法,如记忆推理.聚类分析.关联分析.决策树.神经网络.基因算法等技术,从大量数据中挖掘出隐含的.先前未知的.对决策有潜在价值的关系.模式与趋势,并用这些知识与规则建立用于决策支持的模型,提供预测性决策支持的方法.工具与过程. 数据挖掘综合了各个学科技术,有很多的功能,当前的主要功能如下: (1).分类:按照分析对象的属性.特征,建立不同的组类来描述事物.例如:银行部门根据以前的数据将客户分成了不同的类别,现在就可以根据这些来区分新申请贷款的客户,以采取相应的贷款方案. (2).聚类:识别出分析对内在的规则,按照这些规则把对象分成若干类.例如:将申请人分为高度风险申请者,中度风险申请者,低度风险申请者. (3).关联规则:关联是某种事物发生时其他事物会发生的这样一种联系.例如:每天购买啤酒的人也有可能购买香烟,比重有多大,可以通过关联的支持度与可信度来描述. (4).预测:把握分析对象发展的规律,对未来的趋势做出预见.例如:对未来经济发展的判断. (5).偏差的检测:对分析对象的少数的.极端的特例的描述,揭示内在的原因.例如:在银行的100万笔交易中有500例的欺诈行为,银行为了稳健经营,就要发现这500例的内在因素,减小以后经营的风险. 当然除了以上所列出的还有时间序列分析等一些其他的功能,需要注意的是:数据挖掘的各项功能不是独立存在的,在数据挖掘中互相联系,发挥作用.2.数据挖掘与统计学的联系 数据挖掘技术是计算机技术.人工智能技术与统计技术等构成的一种新学科.数据挖掘来源于统计分析,而又不同于统计分析....
下一页 摘要：说明： 因为在别的论坛看到的，所以不知道出处． 网站配色奥秘大公开 曾经费尽心思想替网站设计一套令人眼睛为之一亮的色彩组合吗？或者你一直不解为何银行、公司行号或金融机构的网站总是使用蓝色系？那么你来对地方了。虽然大部分的网站开发人员都很清楚网络所使用的色盘和计算色彩的 16 进位系统，但对色彩学和有效色彩组合背后所隐含的原理依然懵懵懂懂。 几世纪以来，颜色本身就是一个难解的谜题。举例子来说，苏格拉......
