发布网友
发布时间：2022-04-21 15:58
共2个回答
热心网友
时间：2022-06-04 14:09
热心网友
时间：2022-06-04 14:09
根据大量数据
并非说小数据量上就不能够进行发掘，实际上大多数数据发掘的算法都能够在小数据量上运行并得到成果。但是，一方面过小的数据量完全能够通过人工剖析来总结规律，另一方面来说，小数据量常常无法反映出真实国际中的遍及特性。
非平凡性
所谓非平凡，指的是发掘出来的常识应该是不简单的，绝不能是类似某著名体育评论员所说的“通过我的核算，我发现了一个有趣的现象，到本场比赛结束停止，这届国际杯的进球数和失球数是一样的。十分的偶然!”那种常识。
隐含性
数据发掘是要发现深藏在数据内部的常识，而不是那些直接显现在数据表面的信息。常用的BI工具，例如报表和OLAP，完全能够让用户找出这些信息。
别致性
发掘出来的常识应该是曾经未知的，否则只不过是验证了事务专家的经历而已。只有全新的常识，才能够协助企业取得进一步的洞察力。
价值性
发掘的成果有必要能给企业带来直接的或间接的效益。有人说数据发掘仅仅“屠龙之技”，看起来神乎其神，却什么用途也没有。这仅仅一种误解，不可否认的是在一些数据发掘项目中，或许由于缺少清晰的事务目标，或许由于数据质量的缺乏，或许由于人们对改动事务流程的抵制，或许由于发掘人员的经历缺乏，都会导致作用不佳甚至完全没有作用。
关于数据挖掘的基本特点有哪些，青藤小编就和您分享到这里了。如果您对大数据工程有浓厚的兴趣，希望这篇文章可以为您提供帮助。如果您还想了解更多关于数据分析师、大数据工程师的技巧及素材等内容，可以点击本站的其他文章进行学习。
Copyright © 2019-2022 51dongshi.com 版权所有
违法及侵权请联系：TEL:177 7030 7066 E-MAIL:11247931@qq.com 本站由北京市万商天勤律师事务所王兴未律师提供法律服务
