Come iniziare a leggere sul data mining?

14

Sono un principiante che inizierà a leggere sul data mining. Ho una conoscenza di base di AI e statistiche. Dato che molti affermano che l'apprendimento automatico svolge un ruolo importante anche nel data mining, è necessario leggere l'apprendimento automatico prima di poter continuare con il data mining?

machine-learning references data-mining

— di Ant
fonte

1

Data mining: concetti e tecniche di Jiawei Han è un buon inizio

— aaronjg

12

Essendo un po 'in questa posizione, cercherò di dare qualche intuizione.

Innanzitutto, scarica gli Elementi di apprendimento statistico . Presume il calcolo e l'algebra lineare, e sebbene sia molto tecnico, è anche estremamente ben scritto.

In secondo luogo (o in primo luogo) guarda i tutorial di Andrew Ng sull'apprendimento automatico.

In terzo luogo, ottenere alcuni dati e iniziare a tentare di analizzare i dati. Dovrai suddividere in set di allenamento e test, quindi creare modelli sul set di allenamento e testarli con il set di test. Ho trovato il pacchetto del cursore per R molto utile per tutto questo. Dopo quella sua pratica, pratica la pratica (come quasi tutto il resto).

— richiemorrisroe
fonte

1

spaventerai il povero per sempre!

— Neil McGuigan,

Il corso di Andew Ng sarà "offerto gratuitamente e online" agli studenti di tutto il mondo durante l'autunno 2011 secondo ml-class.org

— Andre Holzner,

5

Introduzione al Data Mining di Tan, Steinbech, Kumar è il miglior libro introduttivo in circolazione

http://www.amazon.com/Introduction-Data-Mining-Pang-Ning-Tan/dp/0321321367

salva EoSL per quando vuoi scavare più a fondo. È più di un riferimento.

— Neil McGuigan
fonte

4

Il data mining può essere descrittivo o predittivo.

Da un lato, se sei interessato al data mining descrittivo, l'apprendimento automatico non sarà di aiuto.

D'altra parte, se sei interessato al data mining predittivo, l'apprendimento automatico ti aiuterà a capire che cerchi di ridurre al minimo il rischio sconosciuto (aspettativa della funzione di perdita) quando riduci al minimo il rischio empirico: tieni a mente il sovralimentazione, la generalizzazione errore e convalida incrociata. Ad esempio, per una questione di coerenza, il $k$ -NN per un campione di allenamento di dimensioni $n$ dovrebbe essere tale che:

$k$ va all'infinito quando $n$ va all'infinito,
$\frac{k}{n}$ va a 0 quando $n$ va all'infinito.

— Wok
fonte

3

Vale la pena notare che ad alcuni autori piace fare una distinzione tra DM e ML a seconda della grandezza di

k / n

$k/n$ . Personalmente mi piace l'approccio di Radford Neale, nel suo corso su Metodi statistici per l'apprendimento automatico e l'estrazione dei dati : molti problemi di apprendimento automatico hanno un gran numero di variabili, le applicazioni di data mining spesso coinvolgono un numero molto elevato di casi.

— chl

3

Aggiungo solo un'altra ottima fonte di tutorial sul data mining / machine learning di Tom Mitchell .

Lo spiega molto chiaramente e puoi anche scaricare le sue presentazioni dal suo sito Web (insieme a guardare le sue lezioni lì).

— Miroslav Sabo
fonte