1.TASKS PREDICTION and DESCRIPTION 2.COMMON METHODS CLASSIFACATION ; CLUSTEERING ; SEQUENTIAL PATTERN DISCOVERY ; REGRESSION ; ASSOCIATION RULE DISCOV ...
1.TASKS
PREDICTION and DESCRIPTION
2.COMMON METHODS
CLASSIFACATION ; CLUSTEERING ; SEQUENTIAL PATTERN DISCOVERY ; REGRESSION ; ASSOCIATION RULE DISCOVERY ; DEVIATION DETECTION
分類；聚類；相關性；
序列分析：用隨機過程理論和數理統計學方法，研究隨機數據序列所遵從的統計規律，以用於解決實際問題。由於在多數問題中，隨機數據是依時間先後排成序列的，故稱為時間序列分析；
回歸；異常值檢測
3.A GENERAL PROCEDURE
specify the problems to deal with——input——pre-processing——other treating process（feature-based） like sampling and grouping——modling——output——assessment（ex:處理過擬合，training set）
明確問題：分類or聚類（有training set:分類）
搜集數據...
預處理：可信度，數據集成，冗餘刪除，處理衝突值，數據採樣，數據清理，缺失值處理，雜訊處理（工具：pig,hive,spark ; 編程語言：python,sas,matlab,scala,java）
4.REFERENCES
BOOK:
集體智慧編程（programming colletive intelligence）
寫給程式員的數據挖掘指南
數學之美
introduction to data mining
data mining:concepts and techniques
MOOC:
Andrew NG(machine learning) ; maching learning foundations;
DOCs:
統計學習方法 ；機器學習實戰；scikit-learn文檔
PRACTICE:
Kaggle;SIGKDD
DEEP LEARNING:
The elenents of statistical learing
Pattern recognition and machine learning
