數據挖掘技術與用戶知識獲取

【英文摘要】This  paper  discusses  the  commonly-used  technologies  in  data  mining，and  explores&n……

【  正  文】

　　　　　　1　數據挖掘技術概述

　　隨著信息技術的迅速發(fā)展，數據庫的規(guī)模不斷擴大，從而產生了大量的數據。為給決策者提供一個統一的全局視角，在許多領域建立了數據倉庫。但大量的數據往往使人們無法辨別隱藏在其中的能對決策提供支持的信息，而傳統的查詢、報表工具無法滿足挖掘這些信息的需求。因此，需要一種新的數據分析技術處理大量數據，并從中抽取有價值的潛在知識，數據挖掘（Data  Mining）技術由此應運而生。數據挖掘技術也正是伴隨著數據倉庫技術的發(fā)展而逐步完善起來的。

　　數據挖掘是指從數據集合中自動抽取隱藏在數據中的那些有用信息的非平凡過程，這些信息的表現形式為：規(guī)則、概念、規(guī)律及模式等。它可幫助決策者分析歷史數據及當前數據，并從中發(fā)現隱藏的關系和模式，進而預測未來可能發(fā)生的行為。數據挖掘的過程也叫知識發(fā)現的過程，它是一門涉及面很廣的交叉性新興學科，涉及到數據庫、人工智能、數理統計、可視化、并行計算等領域。數據挖掘是一種新的信息處理技術，其主要特點是對數據庫中的大量數據進行抽取、轉換、分析和其他模型化處理，并從中提取輔助決策的關鍵性數據。數據挖掘是KDD（Knowledge  Discovery  in  Database）中的重要技術，它并不是用規(guī)范的數據庫查詢語言（如SQL）進行查詢，而是對查詢的內容進行模式的總結和內在規(guī)律的搜索。傳統的查詢和報表處理只是得到事件發(fā)生的結果，并沒有深入研究發(fā)生的原因，而數據挖掘則主要了解發(fā)生的原因，并且以一定的置信度對未來進行預測，用來為決策行為提供有利的支持。

　　　　　　2　數據挖掘的常用技術

　　機器學習、數理統計等方法是數據挖掘進行知識學習的重要方法。數據挖掘算法的好壞將直接影響到所發(fā)現知識的好壞，目前對數據挖掘的研究也主要集中在算法及其應用方面。統計方法應用于數據挖掘主要是進行數據評估；機器學習是人工智能的另一個分支，也稱為歸納推理，它通過學習訓練數據集，發(fā)現模型的參數，并找出數據中隱含的規(guī)則。其中關聯分析法、人工神經元網絡、決策樹和遺傳算法在數據挖掘中的應用很廣泛。

　　1）關聯分析法。從關系數據庫中提取關聯規(guī)則是幾種主要的數據挖掘方法之一。挖掘關聯是通過搜索系統中的所有事物，并從中找到出現條件概率較高的模式。關聯實際上就是數據對象之間相關性的確定，用關聯找出所有能將一組數據項和另一組數據項相聯系的規(guī)則，這種規(guī)則的建立并不是確定的關系，而是一個具有一定置信度的可能值，即事件發(fā)生的概率。關聯分析法直觀、易理解，但對于關聯度不高或相關性復雜的情況不太有效。

　　2）人工神經元網絡（ANN），是數據挖掘中應用最廣泛的技術。神經網絡的數據挖掘方法是通過模仿人的神經系統來反復訓練學習數據集，從待分析的數據集中發(fā)現用于預測和分類的模式。神經元網絡對于復雜情況仍能得到精確的預測結果，而且可以處理類別和連續(xù)變量，但神經元網絡不適合處理高維變量，其最大的缺點是不透明性，因為其無法解釋結果是如何產生的，及其在推理過程中所用的規(guī)則。神經元網絡適合于結果比可理解性更重要的分類和預測的復雜情況，可用于聚類、分類和序列模式。

　　3）決策樹（DT）是一種樹型結構的預測模型，其中樹的非終端節(jié)點表示屬性

[1] [2] [3] 

【數據挖掘技術與用戶知識獲取】相關文章：

數據挖掘中抽樣技術的應用04-29

數據挖掘04-29

數據挖掘論文04-29

淺談數據挖掘05-02

基于數據挖掘技術的交通事故分析04-26

網絡營銷中數據挖掘技術的應用論文11-27

數據挖掘中的決策樹技術及其應用04-26

數據挖掘技術在遼河水文預報中的研究04-30

數據挖掘技術在遼河水文預報中的研究04-30

在動手中獲取知識04-30