weka数据挖掘（weka数据挖掘实验报告SM公司）

为什么要进行数据挖掘

1、大数据集对数据挖掘的算法来说是一个主要的障碍，在算法进行模式搜索及模型匹配的过程中，经常需要在数据集上遍历多遍，而将所有的数据集装入物理内存又非常困难。

2、用来进行数据挖掘的数据源必须是真实的和大量的，并且可能不完整和包括一些干扰数据项。发现的信息和知识必须是用户感兴趣和有用的。一般来讲，数据挖掘的结果并不要求是完全准确的知识，而是发现一种大的趋势。就如同：明天降水概率达到80%，这就是说明天下雨是大数事件，不是绝对事件。

3、挖掘大数据，进行分析，这样才能发挥crm的作用，做好客户关系管理。

4、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。

如何自学数据挖掘

1、学习大规模并行计算的技术，例如MapReduce、MPI，GPU Computing。基本每个大公司都会用到这些技术，因为现实的数据量非常大，基本都是在计算集群上实现的。 参加实际的数据挖掘的竞赛，例如KDDCUP，或 https：// 上面的竞赛。

2、却也号称是数据挖掘；另一方面，国内真正规模化实施数据挖掘的行业是屈指可数（银行、保险公司、移动通讯），其他行业的应用就只能算是小规模的，比如很多大学都有些相关的挖掘课题、挖掘项目，但都比较分散，而且都是处于摸索阶段，但是我相信数据挖掘在中国一定是好的前景，因为这是历史发展的必然。

3、首先是要看数据挖掘的教材 然后 选择一个你想学习的软件 和软件教程，对着教程不断的联系，再就是坚持了，不要求个把月掌握，而是要坚持每天都要学习 最后就是 一定要抵制住诱惑，因为你可能会听到这个软件有用，那个软件更有价值，会导致半途又去学其他的软件。

4、数据挖掘方向很多：比如说有做文本类数据挖掘，有做生物信息挖掘等等 学的东西更加多：首先是入门：这个我强烈推荐斯坦福大学的机器学习，网易公开课有。然后是数学：概率论，线性代数，关于统计学上的东西要学的不错。还有就是英语：最好能看懂文献，因为数据挖掘国外做的好，所以要看很多的论文。

大数据时代的数据怎么挖掘

1、实时数据挖掘。实时数据挖掘主要是对大量的、快速的实时数据流进行挖掘，它在数据分析中使用先进的计算和存储技术来处理信息资产并产出快速有价值的数据洞察分析过程。随着互联网大数据技术的不断发展，实时数据挖掘的应用也越来越广泛。它能够快速响应市场变化和用户行为变化，为企业决策提供支持。

2、非传统的分析：传统的统计方法基于一种假设——检验模式，即提出一种假设，设计实验来收集数据，然后针对假设来进行分析数据。但是，这一过程劳力费神。当前的数据分析人物常常需要产生和评估数千钟假设，因此需要自动地产生和评估假设，这促使人们开发了一些数据挖掘技术。

3、从最开始的顾客交易数据分析（market basket analysis）、多媒体数据挖掘（multimedia data mining）、隐私保护数据挖掘（privacy-preserving data mining）到文本数据挖掘（text mining）和Web挖掘（Web mining），再到社交媒体挖掘（social media mining）都是由应用推动的。工程性和集合性决定了数据挖掘研究内容和方向的广泛性。

4、第要有基础数据，数据时代所有的人和物都是一个个数据编辑出来的形象，只要你有用到智能软件，互联网所有的踪迹都会被收录，所以要挖掘数据你要有一套自己的数据收集系统，这些系统大到crm系统，小到一个H5都可以用来收集数据只是收集到的数据有多有少。