Ta上传的资源 (0)

结合具体案例,介绍数据挖掘实现过程,完成包括对数据进行预处理,包括空值处理、降维处理、离散处理,因子分析、主成分分析、抽样、过滤等,创建、训练、评估模型,预测,修改模型参数,误差分析等一系列功能。

通过手术后疾病复发时间和手术后生存时间作为评价标准,建立模型,并通过数据挖掘方法,对手术的治疗效果和方案的优劣进行预测,为病人规划最佳的手术和治疗方案,提高生存质量具有十分重要的意义

近年来疾病早期诊断越来越受到医学专家的重视,从而产生了各种疾病诊断的新方法。本案例通过采集乳腺癌的9个医学指标数据,通过建立RBF神经网络模型,为早期诊断乳腺癌是良性或是恶心提供有效依据。

一般的线规划问题是描述静态问题,较难适应事物的发展变化,并常常由于参数固定不变,无调整余地而使规划问题求解困难,甚至无解。灰色线性规划考虑到约束条件的约束值可能是变动的,同时认为约束条件中的技术系数是灰数,即灰区间数.求解可取区间中的任一值,这样只要白化值选取适宜,则可使规划问题由无解变为有解

建筑物在施工过程中和施工结束后,往往会产生一定的沉降量,而影响结果的主要因素,又主要与时间、土的性质、与施工面的距离、支护结构参数、工程进度快慢、地下水渗水情况等因素有关。希望能根据前面一段时间的数据来预测后几天的沉降量或最终沉降量。

随着电子病历在中医院的普及，利用数据挖掘中的关联规则算法，从海量的中医电子病历中挖掘出年龄、疾病、症状等之间的潜在有用的规则，为中医诊断提供辅助诊断

在客户流失管理中，应用数据挖掘技术的主要思路是根据所拥有的客户流失数据建立客户属性、服务属性和客户消费数据与客户流失可能性关联的数据模型，找出其中的关系，并给出分析模型，从而计算客户流失的可能性。

太普数据挖掘工具能从各种数据源获取数据，建立各种不同的数据挖掘模型（目前已集成数十种预测算法和分析技术，基本覆盖了国外主流挖掘系统支持的算法，支持数据挖掘流程所需的主要过程，完成包括空值处理、降维处理、离散处理，因子分析、主成分分析、抽样、过滤等，创建、训练、评估模型，预测，修改模型参数，误差分析等