数据挖掘加上数学技术，促进人工智能发展
人工智能，或AI，因机器学习而得以发展。其能自动判断事物，根据自身经验做出相应决策，它是一种了不起的技术，无数公司和研究者都将其作为发展对象。在AI的发展中，数据挖掘和数学技术扮演着至关重要的角色。大量的数据挖掘方法和技术可以帮助机器学习记
大数据与数学建模：关键解决方案
大数据技术正逐渐成为越来越多行业的关键解决方案，涉及的范围从金融到零售、制造业到超算，其中数学建模算法是大数据领域中的关键环节，既可以有效克服业务复杂性也可以焕发出具有指导性的业务价值。数学建模有助于将模糊问题设定今后简单可用的元件组成，例
数据挖掘的数学基础
随着近几年大数据的发展，数据挖掘正越来越受到重视，也成为越来越多企业的业务落地的工具。谈及数据挖掘，不可忽视的就是数据挖掘的数学基础。首先，数据挖掘的基础是深度学习，也就是神经网络。它将大量的参数组合起来，从而根据数据对目标进行预测、分类、
数据分析技术与数学基础
近些年来，随着大数据、人工智能技术的蓬勃发展，“数据分析”这一问题受到了从业人员及各界普遍关注。然而，单从“分析”的功能上来看，数据并不可能自动分析，它必须是在合理的算法及一定的数学技巧下被收敛，才能够进行科学的分析推理和综合评估。而数学则
非参数学习算法——克服数据量不足的利器
非参数学习算法是近年来以数据驱动的机器学习领域发展迅速的一种算法。与传统的参数学习算法不同，非参数学习算法一方面能够克服传统算法当所有输入样本数量很少时效果不足的缺陷，另一方面能够准确区分数据输入样本之间的细微差别，从而取得更准确的预测结果
数据挖掘的数学基础
数据挖掘是用来从大量数据集中提取出有价值信息的一项技术。它融合了大量的机器学习算法以及多种数学工具，因此数学在数据挖掘中扮演着非常重要的角色。在本文中，我们简要地介绍了数据挖掘所涉及到的一些数学基础，包括数据处理、统计模型、机器学习、聚类分
数据挖掘与数学的深度结合
随着科技的发展，大数据成为许多企业决策的重要依据，从而使数据挖掘的技术受到极大的关注。数据挖掘是以统计学、机器学习、模式识别等算法为基础，从背后的大量数据中挖掘出有价值、有应用意义的信息。在数据挖掘理论发展过程中，数学扮演着关键性的角色。首
大数据背景下的数学建模技术及其应用
近几年，再现了大数据时代的到来，由于大数据在日常生活中的重要地位，大数据技术日益成熟，国内外关注度也日益提高。产生了大量可以获取的历史数据，其运用技术也日益多元化，在这大背景之下，数学建模受到了越来越多的关注。数学建模的基础是数学的解决问题
非参数学习算法－发展机器学习一个新方向
机器学习技术在人们生活中渗透得越来越深，作为其中一种重要学习方法，非参数学习算法正在发挥着越来越重要的作用。 非参数学习算法是一种基于非参数模型的机器学习算法，它的核心思想在于采用非参数学习方法，可以实现从未见过的新样本的机器学习，而无需弱
数据挖掘中的数学基础
随着数据挖掘技术的不断发展，熟悉数据挖掘中的数学基础变得越来越重要。以下是有助于加深对数据挖掘技术的理解的一些基本数学概念。首先是数据挖掘中经常使用的统计概念，如均值、中位数、方差和相关系数。均值反映一组数据集的平均水平，中位数表示一组数据