【问题标题】：Suitable data mining technique for this dataset适合该数据集的数据挖掘技术
【发布时间】：2012-09-21 00:42:55
【问题描述】：
我正在从事一个数据挖掘项目，并想挖掘这个数据集Higher Education Enrolments 以获得有趣的模式或知识。我的问题是找出最适合数据集的技术。
我目前正在使用 RapidMiner 5.0 处理数据集，并从数据中删除了两列（E550 - 参考年份，E931 - 学生总数 EFTSL），因为它们与分析无关。除了我用作 id 的 StudentID（整数）之外，其余属性都是名义上的。我目前正在对其进行分类（朴素贝叶斯），但希望得到其他人的意见，希望那些在这方面有更多经验的人。谢谢。
【问题讨论】：
标签：
attributes
data-mining
classification
rapidminer
【解决方案1】：
最佳技术取决于许多因素：训练和目标属性的类型/分布、领域、属性的值范围等。使用的最佳技术是数据分析和理解的结果。
在这种特殊情况下，您应该澄清要预测的属性。
【解决方案2】：
除非您已经知道要查找的内容并了解数据源的质量，否则您应该始终从尝试各种探索性分析开始：
- 查看所有的一阶和二阶统计数据
变量
- 生成每个变量的直方图，以了解经验
每个人的分布
- 查看可能具有的变量的成对散点图
依赖
- 尝试您可能想到的其他可视化效果
这些可以让您大致了解可能存在什么样的模式，并且在考虑到噪音水平的情况下可能会被发现。然后根据您对哪种模式感兴趣，您可以开始尝试各种无监督模式学习方法，例如 PCA/ICA/因子分析、聚类或监督方法，例如回归、分类。