大数据挖掘是什么？_2

感谢大家参与这个关于大数据挖掘是什么？的问题集合。作为一个对此领域有一定了解的人，我将以客观和全面的方式回答每个问题，并分享一些相关的研究成果和学术观点。

文章目录列表:

大数据挖掘是什么？

2.什么是数据挖掘，简述其作用和应用。

?数据挖掘(DataMining)是从大量的、不完全的、有噪声的、模糊的、随机的数据中提取隐含在其中的、人们事先不知道的、但又是潜在有用的信息和知识的过程。

?数据挖掘对象

?根据信息存储格式，北大青鸟昌平计算机学院认为用于挖掘的对象有关系数据库、面向对象数据库、数据仓库、文本数据源、多媒体数据库、空间数据库、时态数据库、异质数据库以及Internet等。

?数据挖掘流程

?定义问题：清晰地定义出业务问题，确定数据挖掘的目的。

?数据准备：数据准备包括：选择数据_在大型数据库和数据仓库目标中提取数据挖掘的目标数据集;数据预处理_进行数据再加工，包括检查数据的完整性及数据的一致性、去噪声，填补丢失的域，删除无效数据等。

?数据挖掘：根据数据功能的类型和和数据的特点选择相应的算法，在净化和转换过的数据集上进行数据挖掘。

?结果分析：对数据挖掘的结果进行解释和评价，转换成为能够最终被用户理解的知识。

?数据挖掘分类

?直接数据挖掘：目标是利用可用的数据建立一个模型，这个模型对剩余的数据，对一个特定的变量(可以理解成数据库中表的属性，即列)进行描述。

?间接数据挖掘：目标中没有选出某一具体的变量，用模型进行描述;而是在所有的变量中建立起某种关系。

?数据挖掘的方法

?神经网络方法

?神经网络由于本身良好的鲁棒性、自组织自适应性、并行处理、分布存储和高度容错等特性非常适合解决数据挖掘的问题，因此近年来越来越受到人们的关注。

?遗传算法

?遗传算法是一种基于生物自然选择与遗传机理的随机搜索算法，是一种仿生全局优化方法。遗传算法具有的隐含并行性、易于和其它模型结合等性质使得它在数据挖掘中被加以应用。

?决策树方法

?决策树是一种常用于预测模型的算法，它通过将大量数据有目的分类，从中找到一些有价值的，潜在的信息。它的主要优点是描述简单，分类速度快，特别适合大规模的数据处理。

什么是数据挖掘，简述其作用和应用。

数据挖掘(Data Mining)的定义是通过分析每个数据，从大量数据中寻找其规律的技术，主要有数据准备、规律寻找和规律表示3个步骤。数据挖掘的任务有关联分析、聚类分析、分类分析、异常分析、特异群组分析和演变分析等。

数据挖掘能做以下七种不同事情：

· 分类 （Classification）

· 估计（Estimation）

· 预测（Prediction）

· 相关性分组或关联规则（Affinity grouping or association rules）

· 聚类（Clustering）

· 描述和可视化（Description and isualization）

· 复杂数据类型挖掘(Text, Web ,图形图像，视 ，音 等)

数据挖掘(Data Mining)，就是从存放在数据库，数据仓库或其他信息库中的大量的数据中获取有效的、新颖的、潜在有用的、最终可理解的模式的非平凡过程。　1)数据挖掘能做以下七种不同事情（分析方法）：　 数据挖掘· 分类 （Classification）　· 估值（Estimation）　· 预言（Prediction）　· 相关性分组或关联规则（Affinity grouping or association rules）　· 聚集（Clustering）　· 描述和可视化（Description and isualization）　· 复杂数据类型挖掘(Text, Web ,图形图像，视 ，音 等)　2)数据挖掘分类　以上七种数据挖掘的分析方法可以分为两类：直接数据挖掘；间接数据挖掘　· 直接数据挖掘　目标是利用可用的数据建立一个模型，这个模型对剩余的数据，对一个特定的变量（可以理解成数据库中表的属性，即列）进行描述。　· 间接数据挖掘　目标中没有选出某一具体的变量，用模型进行描述；而是在所有的变量中建立起某种关系 。　· 分类、估值、预言属于直接数据挖掘；后三种属于间接数据挖掘　3)各种分析方法的简介　· 分类 （Classification）　首先从数据中选出已经分好类的训练集，在该训练集上运用数据挖掘分类的技术，建立分类模型，对于没有分类的数据进行分类。　例子：　a. 申请者，分类为低、中、高风险　b. 故障诊断：中国宝钢集团与上海天律信息技术有限公司合作，采用数据挖掘技术对钢材生产的全流程进行质量监控和分析，构建故障地图，实时分析产品出现瑕疵的原因，有效提高了产品的优良率。　注意： 类的个数是确定的，预先定义好的　· 估值（Estimation）　估值与分类类似，不同之处在于，分类描述的是离散型变量的输出，而估值处理连续值的输出；分类 数据挖掘的类别是确定数目的，估值的量是不确定的。　例子：　a. 根据购买模式，估计一个家庭的孩子个数　b. 根据购买模式，估计一个家庭的收入　c. 估计real estate的价值　一般来说，估值可以作为分类的前一步工作。给定一些输入数据，通过估值，得到未知的连续变量的值，然后，根据预先设定的阈值，进行分类。例如：银行对家庭贷款业务，运用估值，给各个客户记分（Score 0~1）。然后，根据阈值，将贷款级别分类。　· 预言（Prediction）　通常，预言是通过分类或估值起作用的，也就是说，通过分类或估值得出模型，该模型用于对未知变量的预言。从这种意义上说，预言其实没有必要分为一个单独的类。预言其目的是对未来未知变量的预测，这种预测是需要时间来验证的，即必须经过一定时间后，才知道预言准确性是多少。　例子： 海南航空引入 的数据挖掘工具马克威分析系统，分析客流、燃油等变化趋势，以航线收益为主题进行数据挖掘，制定精细的销售策略，有效提高了企业收益。　· 相关性分组或关联规则（Affinity grouping or association rules）　决定哪些事情将一起发生。　例子：　a. 超市中客户在购买A的同时，经常会购买B，即A=> B(关联规则)　b. 客户在购买A后，隔一段时间，会购买B （序列分析）　· 聚集（Clustering）　聚集是对记录分组，把相似的记录在一个聚集里。聚集和分类的区别是聚集不依赖于预先定义好的类，不需要训练集。　例子：　a. 一些特定症状的聚集可能预示了一个特定的疾病　b. 租VCD类型不相似的客户聚集，可能暗示成员属于不同的亚文化群　聚集通常作为数据挖掘的 步。例如，"哪一种类的促销对客户响应最好？"，对于这一 类问题，首先对整个客户做聚集，将客户分组在各自的聚集里，然后对每个不同的聚集，回答问题，可能效果更好。　c. 中国移动采用先进的数据挖掘工具马克威分析系统，对用户wap上网的行为进行聚类分析，通过客户分群，进行 营销。　· 描述和可视化（Des cription and isualization） 来源：网界网论坛　是对数据挖掘结果的表示方式。

好了，今天关于“大数据挖掘是什么？”的话题就讲到这里了。希望大家能够对“大数据挖掘是什么？”有更深入的认识，并且从我的回答中得到一些帮助。

猜你喜欢