一、數(shù)據(jù)挖掘技術(shù)的基本概念

隨著計算機(jī)技術(shù)的發(fā)展，各行各業(yè)都開始采用計算機(jī)及相應(yīng)的信息技術(shù)進(jìn)行管理和運(yùn)營，這使得企業(yè)生成、收集、存貯和處理數(shù)據(jù)的能力大大提高，數(shù)據(jù)量與日俱增。企業(yè)數(shù)據(jù)實(shí)際上是企業(yè)的經(jīng)驗(yàn)積累，當(dāng)其積累到一定程度時，必然會反映出規(guī)律性的東西；對企業(yè)來，堆積如山的數(shù)據(jù)無異于一個巨大的寶庫。在這樣的背景下，人們迫切需要新一代的計算技術(shù)和工具來開采數(shù)據(jù)庫中蘊(yùn)藏的寶藏，使其成為有用的知識，指導(dǎo)企業(yè)的技術(shù)決策和經(jīng)營決策，使企業(yè)在競爭中立于不敗之地。另一方面，近十余年來，計算機(jī)和信息技術(shù)也有了長足的進(jìn)展，產(chǎn)生了許多新概念和新技術(shù)，如更高性能的計算機(jī)和操作系統(tǒng)、因特網(wǎng)(intemet)、數(shù)據(jù)倉庫(datawarehouse)、神經(jīng)網(wǎng)絡(luò)等等。在市場需求和技術(shù)基礎(chǔ)這兩個因素都具備的環(huán)境下，數(shù)據(jù)挖掘技術(shù)或稱KDD(KnowledgeDiscovery in Databases；數(shù)據(jù)庫知識發(fā)現(xiàn))的概念和技術(shù)就應(yīng)運(yùn)而生了。

數(shù)據(jù)挖掘(Data Mining)旨在從大量的、不完全的、有噪聲的、模糊的、隨機(jī)的數(shù)據(jù)中, 提取隱含在其中的、人們事先不知道的、但又是潛在有用的信息和知識。還有很多和這一術(shù)語相近似的術(shù)語,如從數(shù)據(jù)庫中發(fā)現(xiàn)知識(KDD)、數(shù)據(jù)分析、數(shù)據(jù)融合(Data Fusion)以及決策支持等。

二 、數(shù)據(jù)挖掘的基本任務(wù)

數(shù)據(jù)挖掘的任務(wù)主要是關(guān)聯(lián)分析、聚類分析、分類、預(yù)測、時序模式和偏差分析等。

1. 關(guān)聯(lián)分析(association analysis)

關(guān)聯(lián)規(guī)則挖掘由Rakesh Apwal等人首先提出。兩個或兩個以上變量的取值之間存在的規(guī)律性稱為關(guān)聯(lián)。數(shù)據(jù)關(guān)聯(lián)是數(shù)據(jù)庫中存在的一類重要的、可被發(fā)現(xiàn)的知識。關(guān)聯(lián)分為簡單關(guān)聯(lián)、時序關(guān)聯(lián)和因果關(guān)聯(lián)。關(guān)聯(lián)分析的目的是找出數(shù)據(jù)庫中隱藏的關(guān)聯(lián)網(wǎng)。一般用支持度和可信度兩個閥值來度量關(guān)聯(lián)規(guī)則的相關(guān)性，還不斷引入興趣度、相關(guān)性等參數(shù)，使得所挖掘的規(guī)則更符合需求。

2. 聚類分析(clustering)

聚類是把數(shù)據(jù)按照相似性歸納成若干類別，同一類中的數(shù)據(jù)彼此相似，不同類中的數(shù)據(jù)相異。聚 類分析可以建立宏觀的概念，發(fā)現(xiàn)數(shù)據(jù)的分布模式，以及可能的數(shù)據(jù)屬性之間的相互關(guān)系。

3. 分類(classification)

分類就是找出一個類別的概念描述，它代表了這類數(shù)據(jù)的整體信息，即該類的內(nèi)涵描述，并用這 種描述來構(gòu)造模型，一般用規(guī)則或決策樹模式表示。分類是利用訓(xùn)練數(shù)據(jù)集通過一定的算法而求得分類規(guī)則。分類可被用于規(guī)則描述和預(yù)測。

4. 預(yù)測(predication)

預(yù)測是利用歷史數(shù)據(jù)找出變化規(guī)律，建立模型，并由此模型對未來數(shù)據(jù)的種類及特征進(jìn)行預(yù)測。 預(yù)測關(guān)心的是精度和不確定性，通常用預(yù)測方差來度量。

5. 時序模式(time-series pattern)

時序模式是指通過時間序列搜索出的重復(fù)發(fā)生概率較高的模式。與回歸一樣，它也是用己知的數(shù)據(jù)預(yù)測未來的值，但這些數(shù)據(jù)的區(qū)別是變量所處時間的不同。

6. 偏差分析(deviation)

在偏差中包括很多有用的知識，數(shù)據(jù)庫中的數(shù)據(jù)存在很多異常情況，發(fā)現(xiàn)數(shù)據(jù)庫中數(shù)據(jù)存在的異常情況是非常重要的。偏差檢驗(yàn)的基本方法就是尋找觀察結(jié)果與參照之間的差別。

三 數(shù)據(jù)挖掘常的基本技術(shù)

1. 統(tǒng)計學(xué)

統(tǒng)計學(xué)雖然是一門“古老的”學(xué)科，但它依然是最基本的數(shù)據(jù)挖掘技術(shù)，特別是多元統(tǒng)計分析，如判別分析、主成分分析、因子分析、相關(guān)分析、多元回歸分析等。

2. 聚類分析和模式識別

聚類分析主要是根據(jù)事物的特征對其進(jìn)行聚類或分類，即所謂物以類聚，以期從中發(fā)現(xiàn)規(guī)律和典型模式。這類技術(shù)是數(shù)據(jù)挖掘的最重要的技術(shù)之一。除傳統(tǒng)的基于多元統(tǒng)計分析的聚類方法外，近些年來模糊聚類和神經(jīng)網(wǎng)絡(luò)聚類方法也有了長足的發(fā)展。

3. 決策樹分類技術(shù)

決策樹分類是根據(jù)不同的重要特征，以樹型結(jié)構(gòu)表示分類或決策集合，從而產(chǎn)生規(guī)則和發(fā)現(xiàn)規(guī)律。

 1/2    1 2 下一頁 尾頁