数据挖掘英语怎么说
答案:1 悬赏:20 手机版
解决时间 2021-03-09 22:52
- 提问者网友：沉默的哀伤
- 2021-03-09 14:59
数据挖掘英语怎么说
最佳答案
- 五星知识达人网友：痴妹与他
- 2021-03-09 16:10
问题一：数据挖掘 用英语怎么说 数据挖掘
数据挖掘（英语：Data mining），又译为资料探勘、数据采矿。它是数据库知识发现（英语：Knowledge-Discovery in Databases，简称：KDD)中的一个步骤。数据挖掘一般是指从大量的数据中通过算法搜索隐藏于其中信息的过程。数据挖掘通常与计算机科学有关，并通过统计、在线分析处理、情报检索、机器学习、专家系统（依靠过去的经验法则）和模式识别等诸多方法来实现上述目标。
应用领域为情报检索、数据分析、模式识别等。
eg.
这种类型的数据挖掘是本文的焦点，本文将专门介绍如何收集和解析这种数据。
This type of data mining is the focus of this article, specifically how to collect and parse this data.问题二：数据挖掘中的预处理用英文怎么说 数据挖掘中的预处理
Preprocessing in data mining
数据挖掘中的预处理
Preprocessing in data mining问题三：数据挖掘技术习题英文翻译 30分1前处理的数据（只显示一小部分来说明）
1.1 K -聚体的提取
1.2代的位置频率矩阵
1.3背景的概率特征
1.4相对不匹配得分功能
2代的训练和测试数据集（只显示一小部分来说明）
2.1模式对学习者模型，即（K -聚体的功能，类标签）建设
2.2模式对训练集上进行测试学习者模型
2.3模式对学习者模型进行测试的测试数据集上
2.4讨论的2.1和2.2中的数据集之间的差异
3神经网络方法
3.1神经网络架构，并学习相关的参数设置
3.2显示学习曲线，即由MATLAB工具产生的数字
3.3混淆矩阵，召回，精密，F -测量和分类错误率
训练集和测试数据集
3.4结果的可视化（即，明确突出预测的结合位点，真正在给定的DNA序列的结合位点）。
4讨论和结论
4.1大小对系统性能的负面培训例子的影响
4.2采用的方法的优点和缺点
4.3结论从结果和经验
4.4建议，并进一步研究问题四：数据挖掘英文摘要 Data mining, that is, that is stored in the database from the data warehouse or other repository of large amounts of data to obtain valid, novel, potentially useful and ultimately understandable patterns of non-trivial process. With the development of the Internet, online mass of information for the business is especially important. The face of vast amounts of information and intense competition among businesses how to tap the hidden information, how to reasonably use the current information, these are decisions that factor in enterprise development.
In this paper, data mining, e-commerce site to study how to analyze site data, and how to use these data to tap the potential of information and, based on this information to make product recommendations for customers, personalized web experience and the way optimization. Article will use the data mining technology to the WEB in WEB structure mining, content mining, usage mining, as well as some related algorithm, an analysis of the data processing of data by business interest, and introduce some rules to guide the site to build personalized systems for customers love.问题五：什么是数据挖掘？ 科技的快速发展和数据的存储技术的快速进步，使得各种行业或组织的数据得以海量积累。但是，从海量的数据当中，提取有用的信息成为了一个难题。在海量数据面前，传统的数据分析工具和方法很无力。由此，数据挖掘技术就登上了历史的舞台。
数据挖掘是一种技术，将传统的数据分析方法与处理大量数据的复杂算法相结合（图1），从大量的、不完全的、有噪声的、模糊的、随机的数据中，提取隐含在其中的、人们事先不知道的、但又是潜在有用信息和知识的过程。
那数据挖掘能够干什么？有哪些数据挖掘技术？怎么应用？
数据挖掘技术应用广泛，如：1. 在交通领域，帮助铁路票价制定、交通流量预测等。2. 在生物学当中，挖掘基因与疾病之间的关系、蛋白质结构预测、代谢途径预测等。3. 在金融行业当中，股票指数追踪、税务稽查等方面有重要运用。4. 在电子商务领域，对顾客行为分析、定向营销、定向广告投放、谁是最有价值的用户、什么产品搭配销售等。可以说，有数据的方法，就有数据挖掘的用武之地。
那数据挖掘过程是什么呢？如图2：
数据挖掘的任务主要分为一下四类，如图3：
1.建模预测：用因变量作用目标变量建立模型。分为两类：（1）分类，用于预测离散的目标变量；（2）回归，用于预测连续的目标变量。两项任务目标都是训练一个模型，使目标变量预测值与实际值之间的误差达到最小。预测建模可以用来判断病人是否患有某种疾病，可以用于确定顾客是否需要某种产品，预测交通流量。
2.关联分析：用来发现描述数据中强关联特征的模式。所发现的模式通常用特征子集的形式表示。由于搜索空间是指数规模的，关联分析的目标是以有效的方式提取最有用的模式。关联分析的应用包括用户购买商品之间的联系、找出相关功能的基因组、表单预测输出下拉列表如图4。
3.聚类分析：发现紧密相关的观测值群组，使得与属于不同簇的观察值相比，同一簇的观察值相互之间尽可能的类似。聚类可用来对相关的顾客分组、给不同功能的基因分组、不同的癌症细胞系分组。
4.异常检测：识别其特征显著不同于其他数据的观测值。这样的观测值称为异常点或离群点。异常检测算法的目标是发现真正的异常点，而避免错误地将正常的对象标注为异常点。换言之，一个好的异常点检测模型必须具有高检测率和低误报率。异常检测的应用包括检测欺诈、网络攻击、疾病的不寻常模式。
参考文章：
1. 《大话数据挖掘》
2. 《数据挖掘导论》
3. mp.weixin.qq.com/...5e6#rd问题六：求一篇关于数据挖掘方面的英文论文翻译 这种资源还是在百度或GOOGLE上搜一下，如果曾经有人在网上发布，或有网站下载，一般都会被搜索引擎收录；如果搜不到，你可以找一下相关的论坛，最好是那种人气比较高的论坛，注册会员，发帖求助，会有高手帮你的。问题七：跪求一篇数据挖掘的中英文的对照论文 20分论文提纲，是指论文作者动笔行文前的必要准备，是论文构思谋篇的具体体现。构思谋篇是指组织设计毕业论文的篇章结构，以便论文作者可以根据论文提纲安排材料素材、对课题论文展开论证。有了一个好的提纲，就能纲举目张，提纲挚领，掌握全篇论文的基本骨架，使论文的结构完整统一；就能分清层次，明确重点，周密地谋篇布局，使总论点和分论点有机地统一起来；也就能够按照各部分的要求安排、组织、利用资料，决定取舍，最大限度地发挥资料的作用。[1]
论文提纲可分为简单提纲和详细提纲两种。简单提纲是高度概括的，只提示论文的要点，如何展开则不涉及。这种提纲虽然简单，但由于它是经过深思熟虑构成的，写作时能顺利进行。没有这种准备，边想边写很难顺利地写下去。
2写作方法
论文提纲由作者在完成论文写作后，纵观全文，写出能表示论文主要内容的信息或词汇，这些信息或词汇，可以从论文标题中去找和选，也可以从论文内容中去找和选。例如上例，关键词选用了6个，其中前三个就是从论文标题中选出的，而后三个却是从论文内容中选取出来的。后三个关键词的选取，补充了论文标题所未能表示出的主要内容信息，也提高了所涉及的概念深度。需要选出，与从标题中选出的关键词一道，组成该论文的关键词组。
论文提纲(一)要有全局观念，从整体出发去检查每一部分在论文中所占的地位和作用。看看各部分的比例分配是否恰当，篇幅的长短是否合适，每一部分能否为中心论点服务。比如有一篇论文论述企业深化改革与稳定是辩证统一的，作者以浙江××市某企业为例，说只要干部在改革中以身作则，与职工同甘共苦，可以取得多数职工的理解。从全局观念分折，我们就可以发现这里只讲了企业如何改革才能稳定，没有论述通过深化改革，转换企业经营机制，提高了企业经济效益，职工收入增加，最终达到社会稳定。
(二)从中心论点出发，决定材料的取舍，把与主题无关或关系不大的材料毫不可惜地舍弃，尽管这些材料是煞费苦心费了不少劳动搜集来的。有所失，才能有所得。一块毛料寸寸宝贵，舍不得剪裁去，也就缝制不成合身的衣服。为了成衣，必须剪裁去不需要的部分。所以，我们必须时刻牢记材料只是为形成自己论文的论点服务的，离开了这一点，无论是多少好的材料都必须舍得抛弃。
(三)要考虑各部分之间的逻辑关系。初学撰写论文的人常犯的毛病，是论点和论据没有必然联系，有的只限于反复阐述论点，而缺乏切实有力的论据;有的材料一大堆，论点不明确;有的各部分之间没有形成有机的逻辑关系，这样的论文都是不合乎要求的，这样的论文是没有说服力的。为了有说服力，必须有虚有实，有论点有例证，理论和实际相结合，论证过程有严密的逻辑性，拟提纲时特别要注意这一点，检查这一点。
(四)论文的基本结构由序论、本论、结论三大部分组成。序论、结论这两部分在提纲中部应比较简略。本论则是全文的重点，是应集中笔墨写深写透的部分，因此在提纲上也要列得较为详细。本论部分至少要有两层标准，层层深入，层层推理，以便体现总论点和分论点的有机结合，把论点讲深讲透。
数据挖掘（英语：Data mining），又译为资料探勘、数据采矿。它是数据库知识发现（英语：Knowledge-Discovery in Databases，简称：KDD)中的一个步骤。数据挖掘一般是指从大量的数据中通过算法搜索隐藏于其中信息的过程。数据挖掘通常与计算机科学有关，并通过统计、在线分析处理、情报检索、机器学习、专家系统（依靠过去的经验法则）和模式识别等诸多方法来实现上述目标。
应用领域为情报检索、数据分析、模式识别等。
eg.
这种类型的数据挖掘是本文的焦点，本文将专门介绍如何收集和解析这种数据。
This type of data mining is the focus of this article, specifically how to collect and parse this data.问题二：数据挖掘中的预处理用英文怎么说 数据挖掘中的预处理
Preprocessing in data mining
数据挖掘中的预处理
Preprocessing in data mining问题三：数据挖掘技术习题英文翻译 30分1前处理的数据（只显示一小部分来说明）
1.1 K -聚体的提取
1.2代的位置频率矩阵
1.3背景的概率特征
1.4相对不匹配得分功能
2代的训练和测试数据集（只显示一小部分来说明）
2.1模式对学习者模型，即（K -聚体的功能，类标签）建设
2.2模式对训练集上进行测试学习者模型
2.3模式对学习者模型进行测试的测试数据集上
2.4讨论的2.1和2.2中的数据集之间的差异
3神经网络方法
3.1神经网络架构，并学习相关的参数设置
3.2显示学习曲线，即由MATLAB工具产生的数字
3.3混淆矩阵，召回，精密，F -测量和分类错误率
训练集和测试数据集
3.4结果的可视化（即，明确突出预测的结合位点，真正在给定的DNA序列的结合位点）。
4讨论和结论
4.1大小对系统性能的负面培训例子的影响
4.2采用的方法的优点和缺点
4.3结论从结果和经验
4.4建议，并进一步研究问题四：数据挖掘英文摘要 Data mining, that is, that is stored in the database from the data warehouse or other repository of large amounts of data to obtain valid, novel, potentially useful and ultimately understandable patterns of non-trivial process. With the development of the Internet, online mass of information for the business is especially important. The face of vast amounts of information and intense competition among businesses how to tap the hidden information, how to reasonably use the current information, these are decisions that factor in enterprise development.
In this paper, data mining, e-commerce site to study how to analyze site data, and how to use these data to tap the potential of information and, based on this information to make product recommendations for customers, personalized web experience and the way optimization. Article will use the data mining technology to the WEB in WEB structure mining, content mining, usage mining, as well as some related algorithm, an analysis of the data processing of data by business interest, and introduce some rules to guide the site to build personalized systems for customers love.问题五：什么是数据挖掘？ 科技的快速发展和数据的存储技术的快速进步，使得各种行业或组织的数据得以海量积累。但是，从海量的数据当中，提取有用的信息成为了一个难题。在海量数据面前，传统的数据分析工具和方法很无力。由此，数据挖掘技术就登上了历史的舞台。
数据挖掘是一种技术，将传统的数据分析方法与处理大量数据的复杂算法相结合（图1），从大量的、不完全的、有噪声的、模糊的、随机的数据中，提取隐含在其中的、人们事先不知道的、但又是潜在有用信息和知识的过程。
那数据挖掘能够干什么？有哪些数据挖掘技术？怎么应用？
数据挖掘技术应用广泛，如：1. 在交通领域，帮助铁路票价制定、交通流量预测等。2. 在生物学当中，挖掘基因与疾病之间的关系、蛋白质结构预测、代谢途径预测等。3. 在金融行业当中，股票指数追踪、税务稽查等方面有重要运用。4. 在电子商务领域，对顾客行为分析、定向营销、定向广告投放、谁是最有价值的用户、什么产品搭配销售等。可以说，有数据的方法，就有数据挖掘的用武之地。
那数据挖掘过程是什么呢？如图2：
数据挖掘的任务主要分为一下四类，如图3：
1.建模预测：用因变量作用目标变量建立模型。分为两类：（1）分类，用于预测离散的目标变量；（2）回归，用于预测连续的目标变量。两项任务目标都是训练一个模型，使目标变量预测值与实际值之间的误差达到最小。预测建模可以用来判断病人是否患有某种疾病，可以用于确定顾客是否需要某种产品，预测交通流量。
2.关联分析：用来发现描述数据中强关联特征的模式。所发现的模式通常用特征子集的形式表示。由于搜索空间是指数规模的，关联分析的目标是以有效的方式提取最有用的模式。关联分析的应用包括用户购买商品之间的联系、找出相关功能的基因组、表单预测输出下拉列表如图4。
3.聚类分析：发现紧密相关的观测值群组，使得与属于不同簇的观察值相比，同一簇的观察值相互之间尽可能的类似。聚类可用来对相关的顾客分组、给不同功能的基因分组、不同的癌症细胞系分组。
4.异常检测：识别其特征显著不同于其他数据的观测值。这样的观测值称为异常点或离群点。异常检测算法的目标是发现真正的异常点，而避免错误地将正常的对象标注为异常点。换言之，一个好的异常点检测模型必须具有高检测率和低误报率。异常检测的应用包括检测欺诈、网络攻击、疾病的不寻常模式。
参考文章：
1. 《大话数据挖掘》
2. 《数据挖掘导论》
3. mp.weixin.qq.com/...5e6#rd问题六：求一篇关于数据挖掘方面的英文论文翻译 这种资源还是在百度或GOOGLE上搜一下，如果曾经有人在网上发布，或有网站下载，一般都会被搜索引擎收录；如果搜不到，你可以找一下相关的论坛，最好是那种人气比较高的论坛，注册会员，发帖求助，会有高手帮你的。问题七：跪求一篇数据挖掘的中英文的对照论文 20分论文提纲，是指论文作者动笔行文前的必要准备，是论文构思谋篇的具体体现。构思谋篇是指组织设计毕业论文的篇章结构，以便论文作者可以根据论文提纲安排材料素材、对课题论文展开论证。有了一个好的提纲，就能纲举目张，提纲挚领，掌握全篇论文的基本骨架，使论文的结构完整统一；就能分清层次，明确重点，周密地谋篇布局，使总论点和分论点有机地统一起来；也就能够按照各部分的要求安排、组织、利用资料，决定取舍，最大限度地发挥资料的作用。[1]
论文提纲可分为简单提纲和详细提纲两种。简单提纲是高度概括的，只提示论文的要点，如何展开则不涉及。这种提纲虽然简单，但由于它是经过深思熟虑构成的，写作时能顺利进行。没有这种准备，边想边写很难顺利地写下去。
2写作方法
论文提纲由作者在完成论文写作后，纵观全文，写出能表示论文主要内容的信息或词汇，这些信息或词汇，可以从论文标题中去找和选，也可以从论文内容中去找和选。例如上例，关键词选用了6个，其中前三个就是从论文标题中选出的，而后三个却是从论文内容中选取出来的。后三个关键词的选取，补充了论文标题所未能表示出的主要内容信息，也提高了所涉及的概念深度。需要选出，与从标题中选出的关键词一道，组成该论文的关键词组。
论文提纲(一)要有全局观念，从整体出发去检查每一部分在论文中所占的地位和作用。看看各部分的比例分配是否恰当，篇幅的长短是否合适，每一部分能否为中心论点服务。比如有一篇论文论述企业深化改革与稳定是辩证统一的，作者以浙江××市某企业为例，说只要干部在改革中以身作则，与职工同甘共苦，可以取得多数职工的理解。从全局观念分折，我们就可以发现这里只讲了企业如何改革才能稳定，没有论述通过深化改革，转换企业经营机制，提高了企业经济效益，职工收入增加，最终达到社会稳定。
(二)从中心论点出发，决定材料的取舍，把与主题无关或关系不大的材料毫不可惜地舍弃，尽管这些材料是煞费苦心费了不少劳动搜集来的。有所失，才能有所得。一块毛料寸寸宝贵，舍不得剪裁去，也就缝制不成合身的衣服。为了成衣，必须剪裁去不需要的部分。所以，我们必须时刻牢记材料只是为形成自己论文的论点服务的，离开了这一点，无论是多少好的材料都必须舍得抛弃。
(三)要考虑各部分之间的逻辑关系。初学撰写论文的人常犯的毛病，是论点和论据没有必然联系，有的只限于反复阐述论点，而缺乏切实有力的论据;有的材料一大堆，论点不明确;有的各部分之间没有形成有机的逻辑关系，这样的论文都是不合乎要求的，这样的论文是没有说服力的。为了有说服力，必须有虚有实，有论点有例证，理论和实际相结合，论证过程有严密的逻辑性，拟提纲时特别要注意这一点，检查这一点。
(四)论文的基本结构由序论、本论、结论三大部分组成。序论、结论这两部分在提纲中部应比较简略。本论则是全文的重点，是应集中笔墨写深写透的部分，因此在提纲上也要列得较为详细。本论部分至少要有两层标准，层层深入，层层推理，以便体现总论点和分论点的有机结合，把论点讲深讲透。
我要举报
如以上回答内容为低俗、色情、不良、暴力、侵权、涉及违法等信息，可以点下面链接进行举报！
点此我要举报以上问答信息
大家都在看
推荐资讯