王萍

摘 要：隨著社會(huì)信息化不斷進(jìn)步發(fā)展，大量的信息充斥在我們的社會(huì)中，這就要求我們能從中及時(shí)發(fā)現(xiàn)有用的知識(shí)，做出正確的分析，從而提高決策的正確性。就是在這樣的背景下深入地分析數(shù)據(jù)挖掘的基本概念、挖掘流程及挖掘技術(shù)，討論數(shù)據(jù)挖掘的一些具體應(yīng)用。

關(guān)鍵詞：數(shù)據(jù)挖掘；應(yīng)用；研究

一 、數(shù)據(jù)挖掘

隨著數(shù)據(jù)庫(kù)技術(shù)的廣泛使用，以及計(jì)算技術(shù)和計(jì)算機(jī)性能與網(wǎng)絡(luò)的迅速發(fā)展，人們面臨著一個(gè)困難的問(wèn)題，即如何從海量的數(shù)據(jù)中提取出有價(jià)值的信息。查詢(xún)功能遠(yuǎn)不能滿足人們的需要，數(shù)據(jù)挖掘應(yīng)運(yùn)而生。有人將數(shù)據(jù)挖掘定義為一個(gè)從數(shù)據(jù)及數(shù)據(jù)庫(kù)中抽取隱含的，先前未知的并有潛在價(jià)值的信息的過(guò)程。但有人認(rèn)為數(shù)據(jù)挖掘，即數(shù)據(jù)庫(kù)中的知識(shí)發(fā)現(xiàn)，是從大數(shù)據(jù)集中快速高效地發(fā)現(xiàn)令人感興趣的規(guī)則，數(shù)據(jù)挖掘是數(shù)據(jù)庫(kù)研究的新領(lǐng)域，所挖掘的知識(shí)能夠用于信息、管理、查詢(xún)處理、決策支持和過(guò)程控制等等。

數(shù)據(jù)挖掘（DataMining）是通過(guò)分析每個(gè)數(shù)據(jù)，從大量數(shù)據(jù)中尋找其規(guī)律的技術(shù)，主要有數(shù)據(jù)準(zhǔn)備、規(guī)律尋找和規(guī)律表示三個(gè)步驟。隨著計(jì)算機(jī)網(wǎng)絡(luò)的發(fā)展和普遍使用，數(shù)據(jù)挖掘成為迫切需要研究的重要

課題。

數(shù)據(jù)挖掘涉及多個(gè)學(xué)科方向，主要包括：數(shù)據(jù)庫(kù)、統(tǒng)計(jì)學(xué)和人工智能等。數(shù)據(jù)挖掘可按數(shù)據(jù)庫(kù)類(lèi)型、挖掘?qū)ο?、挖掘任?wù)、挖掘方法與技術(shù)以及應(yīng)用等幾方面進(jìn)行分類(lèi)。按數(shù)據(jù)庫(kù)類(lèi)型分類(lèi)：關(guān)系數(shù)據(jù)挖掘、模糊數(shù)據(jù)挖掘、歷史數(shù)據(jù)挖掘、空間數(shù)據(jù)挖掘等多種不同數(shù)據(jù)庫(kù)的數(shù)據(jù)挖掘類(lèi)型。按數(shù)據(jù)挖掘?qū)ο蠓诸?lèi)：文本數(shù)據(jù)挖掘、多媒體數(shù)據(jù)挖掘、Web數(shù)據(jù)挖掘。按數(shù)據(jù)挖掘的任務(wù)有：關(guān)聯(lián)分析、時(shí)序模式、聚類(lèi)、分類(lèi)、偏差檢測(cè)、預(yù)測(cè)等。按數(shù)據(jù)挖掘方法和技術(shù)分類(lèi)：歸納學(xué)習(xí)類(lèi)、仿生物技術(shù)類(lèi)、公式發(fā)現(xiàn)類(lèi)、統(tǒng)計(jì)分析類(lèi)、模糊數(shù)學(xué)類(lèi)、可視化技術(shù)類(lèi)。

二、數(shù)據(jù)挖掘的主要任務(wù)

（一）數(shù)據(jù)總結(jié)

數(shù)據(jù)總結(jié)目的是對(duì)數(shù)據(jù)進(jìn)行濃縮，給出它的總體綜合描述。通過(guò)對(duì)數(shù)據(jù)的總結(jié)，數(shù)據(jù)挖掘能夠?qū)?shù)據(jù)庫(kù)中的有關(guān)數(shù)據(jù)從較低的個(gè)體層次抽象總結(jié)到較高的總體層次上，從而實(shí)現(xiàn)對(duì)原始基本數(shù)據(jù)的總體把握。

（二）分類(lèi)

分類(lèi)的主要功能是學(xué)會(huì)一個(gè)分類(lèi)函數(shù)或分類(lèi)模型（也常常稱(chēng)作分類(lèi)器），該模型能夠根據(jù)數(shù)據(jù)的屬性將數(shù)據(jù)分派到不同的組中。即：分析數(shù)據(jù)的各種屬性，并找出數(shù)據(jù)的屬性模型，確定哪些數(shù)據(jù)屬于哪些組。這樣我們就可以利用該模型來(lái)分析已有數(shù)據(jù)，并預(yù)測(cè)新數(shù)據(jù)將屬于哪一個(gè)組。

（三）關(guān)聯(lián)分析

數(shù)據(jù)庫(kù)中的數(shù)據(jù)一般都存在著關(guān)聯(lián)關(guān)系，也就是說(shuō)，兩個(gè)或多個(gè)變量的取值之間存在某種規(guī)律性。這種關(guān)聯(lián)關(guān)系有簡(jiǎn)單關(guān)聯(lián)和時(shí)序關(guān)聯(lián)兩種。關(guān)聯(lián)分析的目的是找出數(shù)據(jù)庫(kù)中隱藏的關(guān)聯(lián)網(wǎng)，描述一組數(shù)據(jù)項(xiàng)目的密切度或關(guān)系。有時(shí)并不知道數(shù)據(jù)庫(kù)中數(shù)據(jù)的關(guān)聯(lián)是否存在精確的關(guān)聯(lián)函數(shù)，，即使知道也是不確定的，因此關(guān)聯(lián)分析生成的規(guī)則帶有置信度，置信度級(jí)別度量了關(guān)聯(lián)規(guī)則的強(qiáng)度。

（四）聚類(lèi)

當(dāng)要分析的數(shù)據(jù)缺乏描述信息，或者是無(wú)法組織成任何分類(lèi)模式時(shí)，可以采用聚類(lèi)分析。聚類(lèi)分析是按照某種相近程度度量方法，將用戶數(shù)據(jù)分成一系列有意義的子集合。每一個(gè)集合中的數(shù)據(jù)性質(zhì)相近，不同集合之間的數(shù)據(jù)性質(zhì)相差較大。

統(tǒng)計(jì)方法中的聚類(lèi)分析是實(shí)現(xiàn)聚類(lèi)的一種手段，它主要研究基于幾何距離的聚類(lèi)。人工智能中的聚類(lèi)是基于概念描述的。概念描述就是對(duì)某類(lèi)對(duì)象的內(nèi)涵進(jìn)行描述，并概括這類(lèi)對(duì)象的有關(guān)特征。概念描述分為特征性描述和區(qū)別性描述，前者描述某類(lèi)對(duì)象的共同特征，后者描述不同類(lèi)對(duì)象之間的區(qū)別。

三、數(shù)據(jù)挖據(jù)的應(yīng)用

數(shù)據(jù)挖掘技術(shù)源于商業(yè)的直接需求，因此它在各種商業(yè)領(lǐng)域都存在廣泛的使用價(jià)值?，F(xiàn)在已經(jīng)應(yīng)用數(shù)據(jù)挖掘技術(shù)的領(lǐng)域都是信息量大、環(huán)境復(fù)雜、需要知識(shí)幫助進(jìn)行管理和決策的領(lǐng)域。下面介紹一些目前比較活躍的應(yīng)用方向：

（一）在金融數(shù)據(jù)分析中的應(yīng)用

多數(shù)銀行和金融機(jī)構(gòu)都提供了豐富多樣的儲(chǔ)蓄，信用，投資，保險(xiǎn)等服務(wù)。他們產(chǎn)生的金融數(shù)據(jù)通常比較完整、可靠，這對(duì)系統(tǒng)化的數(shù)據(jù)分析和數(shù)據(jù)挖掘相當(dāng)有利。在具體的應(yīng)用中，采用多維數(shù)據(jù)分析來(lái)分析這些數(shù)據(jù)的一般特性，觀察金融市場(chǎng)的變化趨勢(shì)；通過(guò)特征選擇和屬性相關(guān)性計(jì)算，識(shí)別關(guān)鍵因素，進(jìn)行貸款償付預(yù)測(cè)和客戶信用分析；利用分類(lèi)和聚集的方法對(duì)用戶群體進(jìn)行識(shí)別和目標(biāo)市場(chǎng)分析；使用數(shù)據(jù)可視化、鏈接分析、分類(lèi)、聚類(lèi)分析、孤立點(diǎn)分析、序列模式分析等工具偵破洗黑錢(qián)和其他金融犯罪行為。

（二）在電力業(yè)的應(yīng)用

在電力行業(yè)中，數(shù)據(jù)挖掘技術(shù)主要用于指導(dǎo)設(shè)備更新、業(yè)績(jī)?cè)u(píng)估、指導(dǎo)電力企業(yè)的建設(shè)規(guī)劃、指導(dǎo)電力的生產(chǎn)和購(gòu)買(mǎi)、指導(dǎo)電力的調(diào)度等。數(shù)據(jù)挖掘在電力企業(yè)的其它方面也有巨大的用處，比如說(shuō)指導(dǎo)項(xiàng)目管理、安全管理、資源管理、投資組合管理、活動(dòng)分析、銷(xiāo)售預(yù)測(cè)、收入預(yù)測(cè)、需求預(yù)測(cè)、理賠分析等。

（三）在零售業(yè)中的應(yīng)用

零售業(yè)是數(shù)據(jù)挖掘的主要應(yīng)用領(lǐng)域，這是因?yàn)榱闶蹣I(yè)積累了大量的銷(xiāo)售數(shù)據(jù)，如顧客購(gòu)買(mǎi)史記錄、貨物進(jìn)出、消費(fèi)與服務(wù)記錄以及流行的電子商務(wù)等等都為數(shù)據(jù)挖掘提供了豐富的數(shù)據(jù)資源。零售數(shù)據(jù)挖掘有助于劃分顧客群體，使用交互式詢(xún)問(wèn)技術(shù)、分類(lèi)技術(shù)和預(yù)測(cè)技術(shù)，更精確地挑選潛在的顧客；識(shí)別顧客購(gòu)買(mǎi)行為，發(fā)現(xiàn)顧客購(gòu)買(mǎi)模式和趨勢(shì)，進(jìn)行關(guān)聯(lián)分析，以便更好地進(jìn)行貨架擺設(shè)；改進(jìn)服務(wù)質(zhì)量，獲得更好的顧客忠誠(chéng)度和滿意程度；提高貨品的銷(xiāo)量比率，設(shè)計(jì)更好的貨品運(yùn)輸與分銷(xiāo)策略，減少商業(yè)成本；尋找描述性的模式，以便更好地進(jìn)行市場(chǎng)分析等等。

（四）在醫(yī)學(xué)上的應(yīng)用

近年來(lái)，生物醫(yī)學(xué)研究有了迅猛地發(fā)展，從新藥的開(kāi)發(fā)到癌癥治療的突破，到通過(guò)大規(guī)模序列模式和基因功能的發(fā)現(xiàn)，進(jìn)行人類(lèi)基因的識(shí)別與研究。在人類(lèi)基因研究領(lǐng)域具有挑戰(zhàn)性的問(wèn)題是從中找出導(dǎo)致各種疾病的特定基因序列模式。由于數(shù)據(jù)挖掘中已經(jīng)有許多有意義的序列模式分析和相似檢索技術(shù)，因此數(shù)據(jù)挖掘成為DNA分析中的強(qiáng)有力工具。基因序列的相關(guān)分析，遺傳研究中的路徑分析等。近期DNA分析的研究成果已經(jīng)促成了對(duì)許多疾病和殘疾基因成因的發(fā)現(xiàn)，以及對(duì)疾病診斷、預(yù)防和治療的新藥物、新方法的發(fā)現(xiàn)。

（五）在高校和科研單位以及其他領(lǐng)域的應(yīng)用

主要是用于海量信息數(shù)據(jù)的抽取，提供給教研和科研人員有價(jià)值的數(shù)據(jù)。比如在數(shù)字圖書(shū)館方面可以引入數(shù)據(jù)挖掘技術(shù)。同時(shí)還可以應(yīng)用的電子商務(wù)等等眾多領(lǐng)域。

參考文獻(xiàn)

[1]鄒先霞、王淑禮、魏長(zhǎng)華.數(shù)據(jù)倉(cāng)庫(kù)與數(shù)據(jù)挖掘技術(shù)淺談[J].高等函授學(xué)報(bào)（自然科學(xué)版），2000，（03）.

[2]樊志平.基于數(shù)據(jù)挖掘技術(shù)的企業(yè)信息化建設(shè)[J].商場(chǎng)現(xiàn)代化，2008，（06）.

[3]孟小峰.數(shù)據(jù)挖掘：概念與技術(shù)[M].北京：機(jī)械工業(yè)出版社，2001.