问：数据挖掘课程学什么
- 答：其他信息：
数据挖掘专业是指一种通过数理模式来分析企业内储存的大量资料，以找出不同的客户或市场划分，分析出消费者喜好和神游贺行为的专业。该专业主要基于人工智能、机器学习、模式识别、统计学、数据库、可视化技术等，高度自动化地分析企业的数据，作出归纳性的推理，从中挖掘出潜在信息，帮助决策者调整市场策略，作出正确的决策。
补充材料：
数据挖掘技术是一种数据处理的技术，是从大量的、不完全的、有噪声的、模糊的、随机的数据中，提取隐含在游派其中、人们事先不知道又具有潜在有用信息和知识的过程。数据挖掘需要根据数据仓库中的数据信息，选择合适的分析工具，应用统计方法、事例推理、决策树、规则推理、模糊集、甚至神经 、遗传算法的方法处理信息，得出有用的分析信息。数据挖掘过程是一个反复循环的过程，每一个步骤如果没有达到预期目标，都需要回到前面的步骤，重新磨裂调整并执行。
问：数据挖掘需要学习哪些知识?
- 答：需要学习统计知识和概率知识。
（1）在做数据分析，统计的知识肯定是需要的，Excel、SPSS、R等是需要掌握的基本技能。如果我们做数据挖掘的话，就要重视数学知识，数据挖掘要从海量数据中发现规律，这就需要一定的数学知识，最基本的比如线性代数、高等代数、凸优化、概率论等。
（2）学朴素贝叶斯算法需要概率方面的知识，SKM算法需要高等代数或者区间论方面的知识。当然，我们可以直接套模型，R、Python这些工裤逗具有现成的算法包，可以直接套用。但如果我们想深入学习这些算法，最好去学习一些数学知识，也会让我们以后的路走得更顺畅。我模运们经常会用到的语言包括旦纯梁Python、Java、C或者C++。
关于数据挖掘的相关学习，推荐CDA数据师的相关课程，课程培养学员硬性的数据挖掘理论与Python数据挖掘算法技能的同时，还兼顾培养学员软性数据治理思维、商业策略优化思维、挖掘经营思维、算法思维、预测分析思维，全方位提升学员的数据洞察力。
问：数据挖掘-DEA（探索性数据分析）
- 答： 探索性数据分析是指：对已经有的数据在尽量少的先验假定下进行数据探索，可以通过绘图、制表、数学拟合、计算特征量等手段探索数据的结构和规律。特别对于现在所面临的大数据时代，各种杂乱的“脏数据”，通常使我们不知从何下手去了解手上的数据集，这个时候探索性分析就很有效了。
离散型：离散型数据相当于分类数据，如班上学生的人数、扔骰子的结果、性别、种族等。
连续型：也即是在值域里面是连续取值，这种变量一般是有序的，如身高（可以是在人类的身高范围内的任意值）、叶子的长度、狗的体重等。
1、让你最大程度得到数据的直觉
2、发掘潜在的结构
3、提取重要的变量
4、删除异常值
5、检验潜在的假设
6、建立初步的模型
7、决定最优的因子设置拍漏
1、数据的典型值是多少（均值租雹、中位数）？
2、典型值的不确定性是什么？
3、一组数据的良好分布拟合是什么？
4、数据的分位数是多少？
5、一个工程上的修改是否有作用？
6、一个因子是否有影响？
7、最重要的因素是什么？
8、来自不同实验室的测量结果是否相等？
9、将响应变量与一组因子变量相关联的最佳函数是什么？
10、什么是最好的因子设置？
11、我们可以将时间相关数据中的信号与噪声分离吗？
12、我们可以从多变量数据中提取任何结构吗？
13、数据是否有离群值？
参考：
写在学习后的话：第一次接触数据挖掘的知识，第一次写 文章，排版有点乱（尴尬），希望自己在这次datawhale组织的数据挖掘课程中能学到知识，结弊贺帆交优秀的朋友。
