目錄
（一）數據分析
（二）數據統計
（三）OLAP
（四）數據挖掘
1. 原理不同： 主成分分析（Principal components analysis，PCA）基本原理：利用降維（線性變換)的思想，在損失很少信息的前提下把多個指標轉化爲幾個不相關的綜合指標（主成分)，即每個主成分都是原始變量的線性
設x(n)在n時刻之前的p個數據已知,我們希望利用這p個數據來預測n時刻的值x(n),預測的方法很多,我們用線性預測來實現，是真實值x(n)的預測，那麼有: 令真實值和預測值之間的誤差是e(n)，則有: 因此,總的預測誤差功率爲：
1.主成分分析 主成分分析主要是一種探索性的技術，在分析者進行多元數據分析之前，用他來分析數據，讓自己對數據有一個大致的瞭解，這是非常有必要的。 主成分分析一般很少單獨使用：a、瞭解數據。（screening the data），b、和c
目錄 時間序列的模式 時間序列分解法各因素的確定 1．移動平均數 2．季節性
標準化 正態分佈（Normal distribution），也稱“常態分佈”，又名高斯分佈（Gaussian distribution），最早由A.棣莫弗在求二項分佈的漸近公式中得到。C.F.高斯在研究測量誤差時從另一個角度導出了
根據美國數據庫營銷研究所Arthur Hughes的研究，客戶數據庫中有三個神奇的要素，這三個要素構成了數據分析最好的指標： 最近一次消費(Recency) 消費頻率(Frequency) 消費金額(Monetary) 最近一次消費
平穩性 時間序列平穩性的定義 現象：始終在一常值附近隨機波動，波動範圍有限，且無明顯趨勢及週期特徵。 假定某個時間序列由某一隨機過程（stochastic process）生成，即假定時間序列{Xt}（t=1, 2,
監督學習 監督學習中，輸入變量與輸出變量可以是連續的，也可以是離散的。若輸入變量與輸出變量均爲連續變量，則稱爲迴歸；輸出變量爲有限個離散變量，則稱爲分類；輸入變量與輸出變量均爲變量序列，則稱爲標註。 KNN算法： 有監督的機器學習
這是本人第一篇介紹數據挖掘算法的博客。之前寫的大部分博客都是爲了解決具體問題或者解決問題中的思考。這次想籠統而又概括的去總結一些自己學習的算法。 廢話少說，進入正題。 一、什麼是協同過濾算法？ 協同過濾算法，英文Collaborative
