Jan, 2024

Rastro-DM: 带有轨迹的数据挖掘

PDF
TL;DR这篇论文提出了一种用于记录数据挖掘（DM）项目的方法学，Rastro-DM（Trail Data Mining），其关注点不是生成的模型，而是其构建背后的过程，以留下计划行动、完成的训练、获得的结果和经验教训的痕迹。这些提出的实践方法是对 DM 结构化方法学（如 CRISP-DM）的补充，其为 DM 过程建立了方法论和范式框架。最佳实践及其好处的应用在一个名为 'Cladop' 的项目中进行了说明，该项目用于分类与对巴西联邦公共财政的损害调查过程有关的 PDF 文档。在项目背景下构建 Rastro-DM 工具包只是一个小步骤，可以通过在企业内共享和使用痕迹来实现机构性的飞跃。
data mining projectsrastro-dm methodologydocumentationprocesseslessons learned
发现论文，激发创造
  • 轨迹数据管理和挖掘的深度学习：调查与拓展

    本文综述了轨迹计算中深度学习的发展和最新进展，研究了深度学习在轨迹管理和挖掘方面的应用，并对目前的挑战和未来发展方向进行了概述。

    Mar, 2024

  • 拉什莫曼集助于医疗数据解释的探索

    该论文介绍了一种新的过程，用于探索 Rashomon 集合模型，并延伸传统的建模方法。其核心是通过引入 Rashomon_DETECT 算法来识别 Rashomon 集合中的最不同模型，该算法比较揭示预测依赖于变量值的配置文件，以量化模型之间的变量效果差异，进而展示了该方法在预测医学数据中的有效性和多功能性。

    Aug, 2023

  • 高能天体物理实验数据库瞬态事件数据挖掘的计算理论方法

    本研究提出了一种基于计算机科学技术，如数据挖掘和数据库知识发现，针对高能天体物理实验导出的大型数据库进行信息搜索、识别、提取和发现预期信息和意外信息的计算形式模型。

    Apr, 2020

  • 过程感知信息系统在线决策挖掘与决策漂移分析的端到端方法： 扩展版

    本文介绍了一种端到端的方法，用于在线监控和发现决策点和相应的决策规则，同时提供了有效的决策漂移发现和监控，对于理解业务流程中的决策有帮助。

    Mar, 2023

  • 面向 CRISP-ML (Q) 的机器学习过程模型和质量保证方法论

    我们提出了一个适用于机器学习应用程序的过程模型，该模型涵盖从定义范围到维护部署的机器学习应用程序的六个阶段，其中每个阶段都包括适合解决风险挑战的质量保障方法，是一个具有普适性和稳定性的质量保障技术任务的行业和应用程序中性过程模型，该模型扩展了数据挖掘过程模型 CRISP-DM，但缺乏解决机器学习特定任务的能力。

    Mar, 2020

  • 元 - DM：扩散模型在小样本学习上的应用

    本文提出基于扩散模型的通用数据处理模块 Meta-DM，该模块可以简单、高效地与现有的 Few-Shot Learning 方法集成，能在监督和非监督设置下显著提高性能，实验结果表明 Meta-DM 与某些方法的组合能达到最先进的结果。

    May, 2023

  • 利用决策建模挽救数据科学

    本文提倡数据科学领域采用 AI 中的贝叶斯方法以建立一个新的应用研究方案，其中包含六个决策质量原则，称为 “决策建模”，并以 ROC 曲线和效用模型为例。

    Jun, 2023

  • 数字化环境下的汇款管理赋能：针对金融交易的具有预测能力的实时数据驱动决策支持

    利用预测分析和机器学习提供实时汇款监控的数据驱动预测决策支持方法，增强汇款生态系统的安全性，并扩展预测分析的应用领域，为区块链导向的汇款公司提供创新解决方案。

    Nov, 2023

  • 天文学中的数据挖掘与机器学习

    本文回顾了数据挖掘和机器学习在天文学中的应用现状，介绍了常见的机器学习算法，以及数据挖掘在天文学中的广泛应用。文章指出，只要选择合适的算法并遵循天文学问题的引导，数据挖掘可以成为一种强大的工具，而不是一个可疑的黑盒子。

    Jun, 2009

  • 基于原则的数据驱动决策支持在网络取证调查中的应用

    本文介绍了一种基于马尔可夫决策过程的数据驱动决策支持方法，该方法结合了基于 k-NN 回归的蒙特卡罗树搜索用于预测状态转移概率，经实验证明，该方法在发现威胁行为方面具有更高的效率和正确性。

    Nov, 2022