为了利用海量的电网客户数据对用电客户的用电行为进行分析和预测，在大数据的背景下，引入数据挖掘技术，设计了电网客户用电行为分析系统。根据客户的用电数据建立了用电客户细分及客户信用等级的分类标准。在数据挖掘方面，通过K-means算法对用电客户进行客户细分，利用ID3决策树算法对客户的信用度进行分类。最后以某电力客服中心具体数据进行测试，结果有效的反应各分类下的客户用电行为，系统满足设计要求。

电信客户demo.zip

南京工程学院+数据科学与大数据技术+数据挖掘专业课+课程设计

1.一家大型商业银行有多家分行，近年来，该银行的贷款额平稳增长，但不良贷款额也有较大比例的提高为弄清楚不良贷款形成的原因，希望利用银行业务的有关数据做些定量分析，以便找出控制不良贷款的方法。下表是该银行所属25甲分行2002年的有关业务数据。2.为了研究生产率和废料率之间的关系，记录了下表所示的数据，请画出散点图，并根据散点图的趋势拟合适当的回归模型。

一篇关于基于大数据的数据挖掘的英文论文，很有阅读价值

表 5.2 选取的部分搜狗语料库文章类别及数目表 类别 奥运 房产 娱乐 健康 教育 体育 旅游 汽车 商业 时尚 总计 文章 数目 19940 52405 24233 4049 7539 62751 6480 4889 45616 12342 240244 数据处理及特征提取过程与上节类似，这里只介绍不同过程。 在数据预处理阶段，针对本数据集加入了新的无关词表，如图 5.39所示。 图 5.39 自建无关词表示意图 筛选每个类别中的特征词,所有类别内的保留词情况如图 5.40所示。 图 5.40 所有类别内的保留词情况示意图 利用朴素贝叶斯分类方法，2折交叉验证中每次的 classification_report、分类正确率 以及混淆矩阵如图 5.41-图 5.43所示。

1908年-2019年全世界空难数据收集，含地方，操作员，航次，事故类型，具体时间、描述等。 数据准确，可供专业人士研究学习或作为案例、素材、教案。

高教类课件：数据挖掘与知识发现.zip

关于数据挖掘方面的研究，我原来也走过一些弯路。其实从数据挖掘的起源可以发现，它并不是一门崭新的科学，而是综合了统计分析、机器学习、人工智能、数据库等诸多方面的研究成果而成，同时与专家系统、知识管理等研究方向不同的是，数据挖掘更侧重于应用的层面。因此来说，数据挖掘融合了相当多的内容，试图全面了解所有的细节会花费很长的时间。因此我建议你的第一步是用大概三个月的时间了解数据挖掘的几个常用技术：分类、聚类、预测、关联分析、孤立点分析等等。这种了解是比较粗的，目标是明白这些技术是用来干什么的，典型的算法大致是怎样的，以及在什么情况下应该选用什么样的技术和算法。经过初步了解之后，就要进入选题的阶段，选择自

信息化 - 数据挖掘 - 挖掘持续性购买行为.pptx