人工神經(jīng)網(wǎng)絡(luò)(Artificial Neural Networks)一種非線性預(yù)測(cè)模型，通過(guò)訓(xùn)練和在結(jié)構(gòu)上模仿生物神經(jīng)網(wǎng)絡(luò)來(lái)學(xué)習(xí)。
分類和衰退樹(CART Classification and Regression Trees)一種用于數(shù)據(jù)集分類決策樹技術(shù)。它提供一套也可用于一個(gè)新的未分類的數(shù)據(jù)集的規(guī)則，以預(yù)測(cè)哪些記錄將有一個(gè)給定的結(jié)果。通過(guò)創(chuàng)建一個(gè)兩路分化對(duì)一個(gè)數(shù)據(jù)集進(jìn)行分段。較CHAID 技術(shù)，它需要較少的數(shù)據(jù)準(zhǔn)備。
正方自動(dòng)交互發(fā)現(xiàn)(CHAID Chi Square Automatic Interaction Detection)
一種用于數(shù)據(jù)集分類決策樹技術(shù)。它提供一套也可用于一個(gè)新的未分類的數(shù)據(jù)集的規(guī)則，以預(yù)測(cè)哪些記錄將有一個(gè)給定的結(jié)果。通過(guò)創(chuàng)建一個(gè)“多路分化”對(duì)一個(gè)數(shù)據(jù)集進(jìn)行分段。較 CART 技術(shù)，它需要較多的數(shù)據(jù)準(zhǔn)備。
分類(classification)
一種把數(shù)據(jù)集分為互斥組的處理，每組中的成員之間盡可能“接近”，而不同的組之間盡可能“遠(yuǎn)離”，其中距離的測(cè)量與你正在試圖預(yù)測(cè)的指定變量有關(guān)。例如：一個(gè)典型的分類問(wèn)題是把一個(gè)有關(guān)公司的數(shù)據(jù)庫(kù)按其信用值分組為“好與壞”，使他們盡可能與實(shí)際信用度相符。
簇化/聚類(clustering)
一種把數(shù)據(jù)集分為互斥組的處理，每組中的成員之間盡可能“接近”，而不同的組之間盡可能“遠(yuǎn)離”，其中距離的測(cè)量與所有可用的變量有關(guān)。
數(shù)據(jù)清洗(data cleansing)
一個(gè)確保數(shù)據(jù)集中所有數(shù)值是一致的和被正確記錄的處理過(guò)程。
數(shù)據(jù)挖掘(data mining)
從一個(gè)大數(shù)據(jù)庫(kù)中隱藏的預(yù)測(cè)信息的抽提過(guò)程。
數(shù)據(jù)導(dǎo)航/瀏覽(data navigation)
在一個(gè)多維數(shù)據(jù)庫(kù)的不同的維度、切片、分層的細(xì)節(jié)等信息的觀察過(guò)程。參見在線分析處理 OLAP。
數(shù)據(jù)可視化(data visualization)
對(duì)多維數(shù)據(jù)的各種復(fù)雜關(guān)系的可視化解釋過(guò)程。
數(shù)據(jù)倉(cāng)庫(kù)(data warehouse)
一種儲(chǔ)存和交付大量數(shù)據(jù)的數(shù)據(jù)庫(kù)系統(tǒng)。
決策樹(decision tree)
代表一系列決策的樹狀結(jié)構(gòu)。這些決策為數(shù)據(jù)集的分類生成規(guī)則。參見 CART 和 CHAID.
維度(dimension)
在一個(gè)平面的或關(guān)系數(shù)據(jù)庫(kù)中，記錄中的每一個(gè)字段代表一維。在多維數(shù)據(jù)庫(kù)中，一維是一相似實(shí)體的集合；例如，在一個(gè)多維的銷售數(shù)據(jù)庫(kù)中會(huì)包括產(chǎn)品、時(shí)間和城市維。
探測(cè)性數(shù)據(jù)分析(exploratory data analysis)
使用圖形化和描述性的統(tǒng)計(jì)技術(shù)去“學(xué)習(xí)”一個(gè)數(shù)據(jù)集的結(jié)構(gòu)。
遺傳算法(genetic algorithms)
一種使用類似在一個(gè)基于自然進(jìn)化概念的設(shè)計(jì)中的遺傳組合、變異和自然選擇等處理方法的優(yōu)化技術(shù)。
線性模型(linear model)
一種分析模型，它假定考慮的各變化因素是線性的關(guān)系。
非線性模型(non-linear model)
一種分析模型，它不假定正在考慮的各變化因素是線性的關(guān)系。
線性衰退(linear regression)
一種用于在目標(biāo)變量和其預(yù)測(cè)因子間找出最合適的線性關(guān)系的技術(shù)。
對(duì)數(shù)衰退(logistic regression)
A linear regression that predicts the proportions of a categorical target variable, such as type of customer, in a population.
最近鄰居(nearest neighbor)
A technique that classifies each record in a dataset based on a combination of the classes of the k record(s) most similar to it in a historical dataset (where k 3 1). Sometimes called a k-nearest neighbor technique.
多維數(shù)據(jù)庫(kù)(multidimensional database)
一種設(shè)計(jì)用于在線分析處理的數(shù)據(jù)庫(kù)系統(tǒng)。其結(jié)構(gòu)為多維的超立方體，其中每軸一維。
在線分析處理(OLAP On-line analytical processing)
可參考面向數(shù)組的數(shù)據(jù)庫(kù)應(yīng)用系統(tǒng)，它允許用戶觀察、穿插導(dǎo)航、操作和分析多維數(shù)據(jù)庫(kù)
。
數(shù)據(jù)警戒(outlier)
指一個(gè)數(shù)據(jù)項(xiàng)，其值超出一個(gè)樣本上的其他大部分項(xiàng)的相應(yīng)值的邊界時(shí)，稱其為警戒項(xiàng)。這時(shí)會(huì)預(yù)示著數(shù)據(jù)反常，需要仔細(xì)核實(shí)；他可能攜帶著重要信息。
預(yù)測(cè)模型(predictive model)
一個(gè)用于在數(shù)據(jù)集上預(yù)測(cè)指定變量的值的結(jié)構(gòu)和處理流程。
預(yù)期數(shù)據(jù)分析(prospective data analysis)
基于歷史的數(shù)據(jù)分析，它包括預(yù)測(cè)未來(lái)趨勢(shì)、行為或事件。
回顧數(shù)據(jù)分析(retrospective data analysis)
對(duì)已經(jīng)發(fā)生的事情做數(shù)據(jù)分析，它提供趨勢(shì)、行為或事件的洞察。
規(guī)則歸納(rule induction)
對(duì)基于統(tǒng)計(jì)意義上的數(shù)據(jù)，抽提有用的“IF-THEN”規(guī)則。
時(shí)間序列分析(time series analysis)
按一定時(shí)間片對(duì)某個(gè)度量所做的序列分析。時(shí)間通常是數(shù)據(jù)的主要維度。
本站僅提供存儲(chǔ)服務(wù)，所有內(nèi)容均由用戶發(fā)布，如發(fā)現(xiàn)有害或侵權(quán)內(nèi)容，請(qǐng)
點(diǎn)擊舉報(bào)。
