Veri madenciliği hakkında okumaya nasıl başlanır?

Veri madenciliği hakkında okumaya başlayacak bir acemiyim. Temel yapay zeka ve istatistik bilgim var. Birçoğu makine öğreniminin veri madenciliğinde de önemli bir rol oynadığını söylediği için, veri madenciliğine devam edebilmek için makine öğrenimi hakkında okumak gerekli mi?

Biraz bu pozisyonda olduğum için, biraz fikir vermeye çalışacağım.

İlk olarak, İstatistiksel Öğrenmenin Unsurlarını indirin . Kalkülüs ve lineer cebiri varsayar ve çok teknik olmasına rağmen son derece iyi yazılmıştır.

İkincisi (veya ilk olarak) Andrew Ng'in makine öğrenimi hakkındaki eğitimlerine bakın .

Üçüncü olarak, bazı veriler alın ve verileri analiz etmeye çalışın. Eğitim ve test setlerine ayrılmanız ve daha sonra eğitim setinde modeller oluşturmanız ve test setine karşı test etmeniz gerekir. R için caret paketini tüm bunlar için çok yararlı buldum. Bundan sonra pratiği, pratiği yapın (hemen hemen her şey gibi).

Tan, Steinbech, Kumar'ın Veri Madenciliğine Giriş, buradaki en iyi giriş kitabı

http://www.amazon.com/Introduction-Data-Mining-Pang-Ning-Tan/dp/0321321367

daha derin kazmak istediğiniz zaman için EoSL kaydedin. Daha çok bir referans.

Veri madenciliği tanımlayıcı veya öngörücü olabilir.

Bir yandan, açıklayıcı veri madenciliği ile ilgileniyorsanız, makine öğrenimi yardımcı olmaz.

Öte yandan, tahmini veri madenciliği ile ilgileniyorsanız, o zaman makine öğrenimi, ampirik riski en aza indirirken bilinmeyen riski (kayıp fonksiyonunun beklentisi) en aza indirmeye çalıştığınızı anlamanıza yardımcı olacaktır: hata ve çapraz doğrulama. Örneğin, tutarlılık açısından, büyüklüğünde bir eğitim örneği için -NN şöyle olmalıdır:$k$$n$

• $k$ sonsuza gittiğinde sonsuza gider,$n$
• $\frac{k}{n}$ sonsuza gittiğinde 0 olur .$n$

Sadece Tom Mitchell tarafından veri madenciliği / makine öğrenimi hakkında çok iyi bir öğretici kaynak ekliyorum .

Çok açık bir şekilde açıklıyor ve sunumlarını web sitesinden de indirebilirsiniz (orada derslerini izlerken).