她的研究成果包括数据挖掘算法、数据挖掘应用、数据挖掘教育等。数据挖掘算法有什么问题？1.常用的数据挖掘算法有哪些？大数据挖掘的常用方法有哪些？大数据时代，数据挖掘是最关键的工作，大数据的核心数据挖掘大数据的核心:数据挖掘大数据的核心:数据挖掘，数据挖掘来自于实际生产生活中的应用需求，挖掘出的数据来自于具体的应用，同时，通过数据挖掘发现的知识要应用到实践中，辅助实际决策。
1、外行人的大数据五问带你了解大数据
外行人大数据五问带你了解大数据。什么是大数据？是运营模式，是能力，是技术，还是数据收集？我们今天所说的“大数据”和过去传统意义上的“数据”有什么区别？大数据有什么特点？来源有哪些？用什么方式，等等。接下来，边肖将带您了解大数据。> > > >大数据的概念大数据是一个体量和数据类别特别大的数据集，这样的数据集是传统数据库工具无法抓取、管理和处理的。
大，指的是大数据集，一般在10TB？关于规模，但是在实际应用中，很多企业用户把多个数据集放在一起，已经形成了PB级的数据量；其次，意味着数据的种类繁多，数据来自各种数据源，数据的类型和格式日益丰富，已经突破了以前定义的结构化数据范畴，包含了半结构化和非结构化数据。其次，数据处理速度(Velocity)快，可以在数据量巨大的情况下实时处理数据。
2、贝基-哈蒙(数据挖掘的先驱
作为一门交叉学科，数据挖掘涉及数学、计算机科学、统计学等多个领域。作为数据挖掘领域的先驱之一，BekiHammond为数据挖掘的发展做出了巨大的贡献。本文将详细阐述Becky Harmon的人生经历、数据挖掘的定义、操作步骤及应用。一、贝基·哈蒙的人生经历贝基·哈蒙1951年出生于美国。她是计算机科学家和数据挖掘专家。
之后，她在斯坦福大学担任计算机科学和电气工程教授，并在斯坦福大学创办了数据挖掘实验室，致力于数据挖掘的研究和应用。Becky Harmon在数据挖掘领域的贡献是巨大的。她的研究成果包括数据挖掘算法、数据挖掘应用、数据挖掘教育等。她也是国际数据挖掘联合会的创始人之一，并一度担任该组织的主席。Becky Harmon在数据挖掘方面的成就为数据挖掘的发展奠定了坚实的基础。
3、数据挖掘不同领域中的采样方法有哪些?
1、关联规则的采样挖掘关联规则的任务通常与事务处理和关系数据库有关，需要反复遍历数据库，因此在大型数据集上会花费大量时间。有很多算法可以提高关联规则算法的效率和精度，但抽样是在保证精度的前提下提高效率最直接最简单的方法。2.分类抽样分类一般分为决策树、神经网络和统计方法(如无偏分析)三种，这些算法中都存在使用抽样的情况。
3.聚类抽样在聚类中有多种用途。一些聚类算法使用采样进行初始化，例如，使用采样的样本获得初始化参数，然后对大数据集进行聚类。在处理大数据集时，需要减少算法占用的空间。为了得到更好的聚类，需要根据数据的分布采用不同的采样方法。随机抽样仍然是一种常规方法。当随机抽样忽略小簇时，一般采用非随机抽样。
