數(shù)據(jù)挖掘基礎(chǔ)知識(shí)

1、讀書之法,在循序而漸進(jìn)，熟讀而精思數(shù)據(jù)挖掘基礎(chǔ)知識(shí)一、數(shù)據(jù)挖掘技術(shù)的基本概念隨著計(jì)算機(jī)技術(shù)的發(fā)展，各行各業(yè)都開始采用計(jì)算機(jī)及相應(yīng)的信息技術(shù)進(jìn)行管理和運(yùn)營(yíng)，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(shí)，必然會(huì)反映出規(guī)律性的東西；對(duì)企業(yè)來，堆積如山的數(shù)據(jù)無異于一個(gè)巨大的寶庫(kù)。在這樣的背景下，人們迫切需要新一 代的計(jì)算技術(shù)和工具來開采數(shù)據(jù)庫(kù)中蘊(yùn)藏的寶藏，使其成為有用的知識(shí)，指導(dǎo)企業(yè)的技術(shù)決策和經(jīng)營(yíng)決策，使企業(yè)在競(jìng)爭(zhēng)中立于不敗之地。另一方面，近十余年來，計(jì)算機(jī)和 信息技術(shù)也有了長(zhǎng)足的進(jìn)展，產(chǎn)生了許多新概念和新技術(shù)，如更高性能

2、的計(jì)算機(jī)和操作系統(tǒng)、因特網(wǎng)(intemet)、數(shù)據(jù)倉(cāng)庫(kù)(datawarehouse)、神經(jīng)網(wǎng)絡(luò)等等。在市場(chǎng)需求和技術(shù)基礎(chǔ)這兩個(gè)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(kù)知識(shí)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(shí)。還有很多和這一術(shù)語相近似的術(shù)語，如從數(shù)據(jù)庫(kù)中發(fā)現(xiàn)知識(shí)(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

3、關(guān)聯(lián)分析、聚類分析、分類、預(yù)測(cè)、時(shí)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(gè)或兩個(gè)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(kù)中存在的一類重要的、可被發(fā)現(xiàn)的知識(shí)。關(guān)聯(lián)分為 簡(jiǎn)單關(guān)聯(lián)、時(shí)序關(guān)聯(lián)和因果關(guān)聯(lián)。關(guān)聯(lián)分析的目勺是找出數(shù)據(jù)庫(kù)中隱藏的關(guān)聯(lián)網(wǎng)。一般用支持度和可信度兩個(gè)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 間的相互關(guān)系。

4、3. 分類(classification)分類就是找出一個(gè)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 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(cè)。4. 預(yù)測(cè)(predication)預(yù)測(cè)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(duì)未來數(shù)據(jù)的種類及特征進(jìn)行預(yù)測(cè)。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)集預(yù)測(cè)關(guān)心的是精度和不確定性，通常用預(yù)測(cè)方差來度量。5. 時(shí)序模式(time-series pattern)時(shí)序模式是指通過時(shí)間序列搜索出的重復(fù)發(fā)生概率較高的模式。

5、與回歸一樣，它也是用己知的數(shù)據(jù)預(yù)測(cè)未來的值，但這些數(shù)據(jù)的區(qū)別是變量所處時(shí)間的不同。6. 偏差分析(deviation)在偏差中包括很多有用的知識(shí)，數(shù)據(jù)庫(kù)中的數(shù)據(jù)存在很多異常情況，發(fā)現(xiàn)數(shù)據(jù)庫(kù)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(jì)學(xué)統(tǒng)計(jì)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(jì)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(shí)別聚類分析主要是根據(jù)事物的特征對(duì)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

6、術(shù)之一。除傳統(tǒng)的基于多元統(tǒng)計(jì)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(zhǎng)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。4. 人工神經(jīng)網(wǎng)絡(luò)和遺傳基因算法人工神經(jīng)網(wǎng)絡(luò)是一個(gè)迅速發(fā)展的前沿研究領(lǐng)域，對(duì)計(jì)算機(jī)科學(xué)人工智能、認(rèn)知科學(xué)以及信息技術(shù)等產(chǎn)生了重要而深遠(yuǎn)的影響，而它在數(shù)據(jù)挖掘中也扮演著非常重要的角色。人工神經(jīng)網(wǎng)絡(luò)可通過示例學(xué)習(xí)，形成描述復(fù)雜非線性系統(tǒng)的非線性函數(shù)，這實(shí)際上是得到了客觀規(guī)律的定量描述，有了這個(gè)基礎(chǔ)，預(yù)測(cè)的難題就會(huì)迎刃而解。目前在數(shù)據(jù)挖掘中，最常使用的兩種神經(jīng)網(wǎng)絡(luò)是 BP網(wǎng)絡(luò)和RBF網(wǎng)絡(luò) 不過，由于

7、人工神經(jīng)網(wǎng)絡(luò)還是一個(gè)新興學(xué)科，一些重要的理論問題尚未解決。5. 規(guī)則歸納規(guī)則歸納相對(duì)來講是數(shù)據(jù)挖掘特有的技術(shù)。它指的是在大型數(shù)據(jù)庫(kù)或數(shù)據(jù)倉(cāng)庫(kù)中搜索和挖掘以往不知道的規(guī)則和規(guī)律，這大致包括以下幾種形式：IFTHEN6. 可視化技術(shù)可視化技術(shù)是數(shù)據(jù)挖掘不可忽視的輔助技術(shù)。數(shù)據(jù)挖掘通常會(huì)涉及較復(fù)雜的數(shù)學(xué)方法和信息技術(shù)，為了方便用戶理解和使用這類技術(shù)，必須借助圖形、圖象、動(dòng)畫等手段形象地指導(dǎo)操作、引導(dǎo)挖掘和表達(dá)結(jié)果等，否則很難推廣普及數(shù)據(jù)挖掘技術(shù)。四數(shù)據(jù)挖掘技術(shù)實(shí)施的步驟數(shù)據(jù)挖掘的過程可以分為 6個(gè)步驟: 1）理解業(yè)務(wù)：從商業(yè)的角度理解項(xiàng)目目標(biāo)和需求，將其轉(zhuǎn)換成一種數(shù)據(jù)挖掘的問題定義，設(shè)計(jì)出達(dá)到目標(biāo)的

8、一個(gè)初步計(jì)劃。 2）理解數(shù)據(jù)：收集初步的數(shù)據(jù)，進(jìn)行各種熟悉數(shù)據(jù)的活動(dòng)。包括數(shù)據(jù)描述，數(shù)據(jù)探索和數(shù)據(jù)質(zhì)量驗(yàn)證等。 3）準(zhǔn)備數(shù)據(jù)：將最初的原始數(shù)據(jù)構(gòu)造成最終適合建模工具處理的數(shù)據(jù)集。包括表、記錄和屬性的選擇，數(shù)據(jù)轉(zhuǎn)換和數(shù)據(jù)清理等。.4）建模：選擇和應(yīng)用各種建模技術(shù)，并對(duì)其參數(shù)進(jìn)行優(yōu)化。 5）模型評(píng)估：對(duì)模型進(jìn)行較為徹底的評(píng)價(jià)，并檢查構(gòu)建模型的每個(gè)步驟，確認(rèn)其是否真正實(shí)現(xiàn)了預(yù)定的商業(yè)目的。 6）模型部署：創(chuàng)建完模型并不意味著項(xiàng)目的結(jié)束，即使模型的目的是為了增進(jìn)對(duì)數(shù)據(jù)的了解，所獲得的知識(shí)也要用一種用戶可以使用的方式來組織和表示。通常要將活動(dòng)模型應(yīng)用到?jīng)Q策制訂的過程中去。該階段可以簡(jiǎn)單到只生成一份報(bào)告，

9、也可以復(fù)雜到在企業(yè)內(nèi)實(shí)施一個(gè)可重復(fù)的數(shù)據(jù)挖掘過程?？刂频玫狡毡槌姓J(rèn)。五數(shù)據(jù)挖掘的應(yīng)用現(xiàn)狀 數(shù)據(jù)挖掘是一個(gè)新興的邊緣學(xué)科，它匯集了來自機(jī)器學(xué)習(xí)、模式識(shí)別、數(shù)據(jù)庫(kù)、統(tǒng)計(jì)學(xué)、人工智能以及管理信息系統(tǒng)等各學(xué)科的成果。多學(xué)科的相互交融和相互促進(jìn)，使得這一新學(xué)科得以蓬勃發(fā)展，而且已初具規(guī)模。在美國(guó)國(guó)家科學(xué)基金會(huì)(NSF)的數(shù)據(jù)庫(kù)研究項(xiàng)目中，KDD被列為90年代最有價(jià)值的研究項(xiàng)目。人工智能研究領(lǐng)域的科學(xué)家也普遍認(rèn)為，下一個(gè)人工智能應(yīng)用的重要課題之一，將是以機(jī)器學(xué)習(xí)算法為主要工具的大規(guī)模的數(shù)據(jù)庫(kù)知識(shí)發(fā)現(xiàn)。盡管數(shù)據(jù)挖掘還是一個(gè)很新的研究課題，但它所固有的為企業(yè)創(chuàng)造巨大經(jīng)濟(jì)效益的潛力，已使其很快有了許多成功的應(yīng)用

10、，具有代表性的應(yīng)用領(lǐng)域有市場(chǎng)預(yù)測(cè)、投資、制造業(yè)、銀行、通訊等。美國(guó)鋼鐵公司和神戶鋼鐵公司利用基于數(shù)據(jù)挖掘技術(shù)的ISPA系統(tǒng)，研究分析產(chǎn)品性能規(guī)律和進(jìn)行質(zhì)量控制，取得了顯著效果。通用電器公司(GE)與法國(guó)飛機(jī)發(fā)動(dòng)機(jī)制造公司(sNEcMA)，利用數(shù)據(jù)挖掘技術(shù)研制了 CASSIOP EE質(zhì)量控制系統(tǒng)，被三家歐洲航空公司用于診斷和預(yù)測(cè)渡音737的故障，帶來了可觀的經(jīng)濟(jì)效益。該系統(tǒng)于1996年獲歐洲一等創(chuàng)造性應(yīng)用獎(jiǎng)。享有盛譽(yù)的市場(chǎng)研究公司，如美國(guó)的A. C. 一 Niels on和In formation Resources ，歐洲的GFK和In . fratest Burk等紛紛開始使用數(shù)據(jù)挖掘工具來應(yīng)付迅速增長(zhǎng)的銷售和市場(chǎng)信息數(shù)據(jù)。商家的激烈競(jìng)爭(zhēng)導(dǎo)致了市場(chǎng)快速飽和，產(chǎn)品的迅速更新，使得經(jīng)營(yíng)者對(duì)市場(chǎng)信息的需求格外強(qiáng)烈利用數(shù)據(jù)挖掘技術(shù)所形成的市場(chǎng)預(yù)測(cè)能力和服務(wù)，使這些市場(chǎng)研究公司取得了巨大收益。英國(guó)廣播公司(BBC)也應(yīng)用數(shù)據(jù)挖掘技術(shù)來預(yù)測(cè)電視收視率，以便合理安排電視節(jié)目寸刻表。信用卡公司Alllelicall KxT,ress自采用數(shù)據(jù)挖掘技術(shù)后，信用卡使用率增加了10%