數(shù)據(jù)挖掘淺析

摘要:主要介紹了數(shù)據(jù)挖掘的產(chǎn)生、發(fā)展、定義和任務(wù)，討論了常用的挖掘方法和工具，最后舉例介紹了數(shù)據(jù)挖掘的一些應(yīng)用.
關(guān)鍵詞:數(shù)據(jù)挖掘;知識(shí)發(fā)現(xiàn);決策樹(shù)

Abstract:Th isp aperin troducedt heb irth,th ed evelopment,th ec oncepta ndt het asko fd atamining.methods and tools of data mining in cmmon use.In the end, the author introduced some applications of example.
Key words:data mining; KDD(knowledge discovery in database);decision tree

數(shù)據(jù)挖掘技術(shù)的由來(lái)及其發(fā)展當(dāng)今 數(shù) 據(jù) 容量規(guī)模已經(jīng)達(dá)到萬(wàn)億字節(jié)(TB)的水平，被人們稱(chēng)為信息爆炸，這些過(guò)量的數(shù)據(jù)引起的挑戰(zhàn)是:一方面規(guī)模龐大、紛繁復(fù)雜的數(shù)據(jù)體系讓使用者漫無(wú)頭緒、無(wú)從下手;另一方面在這些大量數(shù)據(jù)的背后卻隱藏著很多具有決策意義的有價(jià)值的信息.目前的數(shù)據(jù)庫(kù)系統(tǒng)可以高效地實(shí)現(xiàn)數(shù)據(jù)的錄人、查詢(xún)、統(tǒng)計(jì)等功能，但無(wú)法發(fā)現(xiàn)數(shù)據(jù)中存在的關(guān)系和規(guī)則，無(wú)法根據(jù)現(xiàn)有的數(shù)據(jù)預(yù)測(cè)未來(lái)的發(fā)展趨勢(shì).缺乏挖掘數(shù)據(jù)背后隱藏的知識(shí)的手段，導(dǎo)致了“數(shù)據(jù)爆炸但知識(shí)貧乏”的現(xiàn)象.那么，如何發(fā)現(xiàn)這些有用的知識(shí)，使之為管理決策和經(jīng)營(yíng)戰(zhàn)略發(fā)展服務(wù)?計(jì)算機(jī)科學(xué)給出的最新回答是:數(shù)據(jù)挖掘(Data Mining).數(shù)據(jù) 挖 掘 (DataM ining)一詞是在1989年8月于美國(guó)底特律市召開(kāi)的第十一界國(guó)際聯(lián)合人工智能學(xué)術(shù)會(huì)議上正式形成的，常常與KDD (KnowledgeDiscovery in Database)混用.從1995年開(kāi)始，每年主辦一次KDD國(guó)際學(xué)術(shù)會(huì)議，將KDD和DM (DataMining)方面的研究推向了高潮，從此，“數(shù)據(jù)挖掘”一詞開(kāi)始流行.在中文文獻(xiàn)中，DM有時(shí)還被翻譯為“數(shù)據(jù)采掘”、“數(shù)據(jù)開(kāi)采”、“數(shù)據(jù)發(fā)掘”等.數(shù)據(jù) 挖 掘 其實(shí)是一個(gè)逐漸演變的過(guò)程，電子數(shù)據(jù)處理的初期，人們就試圖通過(guò)某些方法來(lái)實(shí)現(xiàn)自動(dòng)決策支持，當(dāng)時(shí)機(jī)器學(xué)習(xí)成為人們關(guān)心的焦點(diǎn).機(jī)器學(xué)習(xí)的過(guò)程就是將一些已知的并已被成功解決的問(wèn)題作為范例輸人計(jì)算機(jī)，機(jī)器通過(guò)學(xué)習(xí)這些范例總結(jié)并生成相應(yīng)的規(guī)則，這些規(guī)則具有通用性，使用它們可以解決某一類(lèi)的問(wèn)題.