几个数据挖掘相关网站及其评价（2）
- Haides - 博客园-首页原创精华区一个中文的数据挖掘网络资源的索引：“数据草堂：优秀的数据分析师应该关注哪些网站”（http://blog.sina.com.cn/s/blog_5fc375650102dqri.html）. 一个入门级的网站：网站分析在中国（http://www.chinawebanalytics.cn/），这个网站的文章好像基本出自一人之手，其网站地图给出的大纲比较有条理，可以算一个网站分析入门的网站.
几个数据挖掘相关网站及其评价（2）
标签：
数据挖掘
相关
网站
| 发表时间：2011-08-14 22:31 | 作者：左其盛 Haides
出处：http://www.cnblogs.com/
一个中文的数据挖掘网络资源的索引：“数据草堂：优秀的数据分析师应该关注哪些网站”（http://blog.sina.com.cn/s/blog_5fc375650102dqri.html）。
一个入门级的网站：网站分析在中国（http://www.chinawebanalytics.cn/），这个网站的文章好像基本出自一人之手，其网站地图给出的大纲比较有条理，可以算一个网站分析入门的网站。作者有相关工作经验，写的还不错。
一个中等水平的网站：网站数据分析（http://webdataanalysis.net/）。看了几篇文章，出自同一个作者，感觉算是中文的网络分析中水平还不错的。
一个应该是水平比较高的网站：Occam‘s Razor（http://www.kaushik.net/avinash/）。作者是数据分析名著《精通Web Analytics 2.0——用户中心科学与在线统计艺术》《精通Web Analytics——来自专家的最佳Web分析策略》两本书的作者，书中介绍说他是Google分析的布道者。看了网站上的一篇讲邮件营销的：Email Marketing: Campaign Analysis, Metrics, Best Practices（http://www.kaushik.net/avinash/email-marketing-campaign-analysis-metrics-practices/），还是有不少深刻的见解。
一个英文的数据挖掘资源网站：Data Mining and Analytics Resources（http://www.kdnuggets.com/index.html?lg），一位美国的研究数据挖掘的朋友推荐的，在中文的网站上没看到过到这个网站的链接，先记录到这里。
一个流氓网站：互联网分析沙龙(http://www.techxue.com/portal.php)。说它是流氓网站，是因为这个网站中我看过的文章（大概有10来篇）基本都是从别的网站上抄来的，网页上既不注明作者，也不说明出处。
作者: 左其盛 发表于 2011-08-14 22:31 原文链接
最新新闻：
· Robert Brunner，那个设计 Newton 的人(2011-08-15 12:19)
· 李彦宏百万美金巨奖的“蝴蝶效应”(2011-08-15 12:13)
· 微软遭遇后PC时代困境：市场份额创20年新低(2011-08-15 12:11)
· 诺基亚北美放弃Symbian 冒险押注微软赌前程(2011-08-15 12:10)
· 微软Xbox Live未经用户同意收费遭集体诉讼(2011-08-15 12:08)
相关 [数据挖掘 相关 网站] 推荐：
大数据/数据挖掘/推荐系统/机器学习相关资源
- - 互联网分析沙龙Share my personal resources，本文贡献者为Zhe Yu. 各种书~各种ppt~更新中~ http://pan.baidu.com/s/1EaLnZ. 机器学习经典书籍小结 http://www.cnblogs.com/snake-hand/archive/2013/06/10/3131145.html.
数据挖掘是神马？
- - 互联网分析1、数据挖掘需要‘神马样’的流程. 2、哥，有没有详细点的，来个给力的. 4、数据在统计意义上有哪些类型. 9、知道这些工具不知道如何在工作中用呀. 11、还有没有更人性化、智能化的展现. 12、上面这图看起来很给力，背后很复杂吧. 16、转载的留个来源 ，毕竟是我辛苦收集和想出来的，谢谢. 忘记“大数据”，从“中数据”开始.
这就是数据挖掘
- - 互联网分析当今数据库的容量已经达到上万亿的水平（T）— 1,000,000,000,000个字节. 在这些大量数据的背后隐藏了很多具有决策意义的信息，那么怎么得到这些“知识”呢. 也就是怎样通过一颗颗的树木了解到整个森林的情况. 计 算机科学对这个问题给出的最新回答就是：数据挖掘，在“数据矿山”中找到蕴藏的“知识金块”，帮助企业减少不必要投资的同时提高资金回报.
关于数据挖掘
- - 牛国柱以下内容来自网络，关于数据挖掘的一些最基本的知识. 数据挖掘是对一系列数据进行分析和挖掘的方法的统称，在精准营销领域，最常用的数据挖掘方法主要包括以下三类：分类、聚类、关联. 分类（Classify）属于预测性模型. 分类模型的构建需要“训练样本”，训练样本中的每一个个体的类别必须是明确的. 分类模型的特征变量一般称为“自变量”，又叫“预测变量”，类别变量称为“目标变量”.
数据挖掘与Taco Bell编程
- everfly - 译言-每日精品译文推荐来源Data Mining and Taco Bell Programming. Programmer Ted Dziuba suggests an alternative to traditional program that he called "Taco Bell Programming." The Taco Bell chain creates multiple menu items from about eight different ingredients.
使用Weka进行数据挖掘
- - 搜索研发部官方博客数据挖掘、机器学习这些字眼，在一些人看来，是门槛很高的东西. 诚然，如果做算法实现甚至算法优化，确实需要很多背景知识. 但事实是，绝大多数数据挖掘工程师，不需要去做算法层面的东西. 他们的精力，集中在特征提取，算法选择和参数调优上. 那么，一个可以方便地提供这些功能的工具，便是十分必要的了. 而weka，便是数据挖掘工具中的佼佼者.
数据挖掘 - 分类算法比较
- - IBM developerWorks 中国 : 文档库随着计算能力、存储、网络的高速发展，人类积累的数据量正以指数速度增长. 对于这些数据，人们迫切希望从中提取出隐藏其中的有用信息，更需要发现更深层次的规律，对决策，商务应用提供更有效的支持. 为了满足这种需求，数据挖掘技术的得到了长足的发展，而分类在数据挖掘中是一项非常重要的任务，目前在商业上应用最多.
数据挖掘分类技术
- - CSDN博客云计算推荐文章从分类问题的提出至今，已经衍生出了很多具体的分类技术. 下面主要简单介绍四种最常用的分类技术，不过因为原理和具体的算法实现及优化不是本书的重点，所以我们尽量用应用人员能够理解的语言来表述这些技术. 而且我们会在第4章再次给读者讲述分类算法和相关原理. 在我们学习这些算法之前必须要清楚一点，分类算法不会百分百准确.
数据挖掘之R与SQL
- Wolf - 刘思喆 @ 贝吉塔行星今天看到老同学@JulieJulieJulieJulie 的浪漫求婚，真的很浪漫、很唯美、很感动. 正如评论说的，我们又相信爱情了. 于是，小兴奋，睡不着，爬起来补一篇文章. 最近在数据挖掘专业网站 KDnuggets 上刊出了2011年度关于数据挖掘/分析语言流行度的调查，不出意料R、SQL、Python果然排在了前三位.