浙大关于大数据的探索性选择方法讲解

多种数据挖掘的视角-浙大关于大数据的讲解

根据不同数据库分类，包括关系数据库、事务数据库、流式数据等，以及多种知识类型的分析和方法集成，涵盖面向数据库的挖掘、数据仓库、OLAP、机器学习等技术，应用于金融、电信、欺诈分析等领域。

Memcached 2 2024-07-18

浙大关于大数据的元数据解析

大数据领域中，元数据与数据相辅相成，共同构建数据仓库的模型结构。元数据主要描述数据模型的结构信息。在数据仓库中，元数据的重要用途包括：作为目录，帮助决策支持系统分析数据仓库内容；作为数据仓库与操作性数据库间的映射标准；指导细节数据与稍加综合数据之间的汇总算法，以及指导稍加综合数据与高度综合数据之间的汇总算法。

Memcached 0 2024-08-10

浙大关于大数据的解析和下载

数值区域的自然划分可以使数据更加直观和易于理解。按照3-4-5规则，根据数据集的极值分布，我们将数值区域划分为不同的等宽子区间，以便更好地呈现数据分布情况。例如，对于年薪的划分，我们采用了【10,000~20,000】，【20,000~30,000】，【30,000~40,000】等区间，这种自然划分方法能够有效避免数据分析结果的扭曲。

Memcached 0 2024-10-12

浙大关于数据立方体有效计算的探索

数据立方体可以被看作是一个方体的格局。最底层的方体是基本方体，最顶端的方体（顶点）只包含一个单元的值。对于一个n维的数据立方体，每维L层，可能产生的方体总数是多少？数据立方体的物化有三种方式：预先计算所有方体（全物化）、不预先计算任何“非基本”方体（不物化）、有选择的计算一个适当子集的方体（部分物化）。在确定物化哪些方体时，需要考虑工作负荷下的查询频率及其开销等因素。

Memcached 2 2024-07-30

浙大数据集成讲解

数据集成与模式集成 数据集成是指将来自多个数据源的数据整合到一个统一的存储中，而模式集成则是整合不同数据源的元数据，为数据集成提供基础。 实体识别与数据冲突 实体识别是指匹配来自不同数据源的现实世界实体，例如将数据源A中的“cust-id”与数据源B中的“customer_no”匹配。 在数据集成过程中，需要检测并解决数据值的冲突。同一实体在不同数据源中的属性值可能存在差异，其原因可能是不同的数据表示方式或度量标准等。

Memcached 3 2024-05-12

SPSS统计软件操作指南：探索性分析Explore过程

探索性分析（Explore过程）允许用户对变量执行深入描述性统计分析。它提供有关数据特征的文字和图形描述，包括异常值检测、描述性统计和正态性检验。

统计分析 3 2024-05-20

客户特征聚类分析案例探索性分析与群集研究

在这个聚类分析案例中，我们深入研究了客户特征的聚类效果，并进行了详细的探索性分析。通过分析客户群体的不同特征，我们揭示了隐藏在数据背后的有价值见解。

数据挖掘 2 2024-07-16

使用DMQL定义雪花模式的浙大大数据讲解

示例：利用DMQL语言定义雪花模式，创建立方体销售雪花[时间、商品、分支、位置]：销售额 = 美元销售总额之和，平均销售额 = 美元销售总额的平均数，销售单位数 = 总数定义维度时间为（时间键、星期几、月份、季度、年份）定义维度商品为（商品键、商品名称、品牌、类型、供应商（供应商键、供应商类型））定义维度分支为（分支键、分支名称、分支类型）定义维度位置为（位置键、街道、城市（城市键、省或州、国家））。

Memcached 2 2024-07-27

如何优化噪声数据处理方法-浙大探索大数据应用

如何处理噪声数据？首先，通过排序数据并将其分入等深的箱中。随后，可以采用箱的平均值、中位数或边界进行数据平滑。在聚类过程中，监测并清除孤立点，并结合计算机与人工检查来处理可疑数据。最后，通过回归方法使数据适应回归函数，实现数据平滑。

Memcached 0 2024-08-08