数据挖掘技术在经济统计中的应用探究.docVIP

数据挖掘技术在经济统计中的应用探究 　　摘要：随着经济的发展，经济统计数据的逐渐加大，数据质量问题进一步影响着经济探究、总结与决策。传统的数据处理方式越来越不能满足现实需要，给经济工作带来一定困难，正是由于这一系列问题的出现，而逐步产生了对数据的挖掘。本文就数据挖掘技术怎样、如何在经济统计中进行应用进行了相关介绍，为经济统计工作作出了一定的贡献。 　　关键词：数据挖掘；经济统计；技术；应用 　　中图分类号：C811 文献标识码：A 文章编号：1001-828X（2013）06-0-01 　　一、数据挖掘技术的基本概念与产生过程 　　随着信息技术的发展，采集的数据量的急剧加大，此时产生了数据挖掘，它就是从大量的、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。在对大量的数据进行抽取、转换、分析和其他模型化处理过程中，从而提取得到对一些决策数据的支撑。 　　数据挖掘是一个由数理统计到人工智能，进而到机器学习的逐步演变、变化过程。它是一门交叉的学科，是一门涉及广泛的学科，是一门在社会的发展历程中不断前进变化的学科。它所涉及到的内容包括数据库技术、人机智能、知识库系统、知识获取、神经网络、统计学、模式识别、信息检索等，并且在跟着发展的需要、学科的进步变化而不断发展、向前。 　　由于数据量之大，传统的统计分析方法主要是对没有明确假设的前提下去挖掘信息，只会使得效率低下，同时，对于问题的解决也在大打折扣，处理的结果不理想，传统的这种方法没有找到数据之间的内在联系，这样只是看到过去，不能很好的预测未来，对所要探索的目标不能得出想要的结论；而数据挖掘是将所得到的信息是对前者的补充，得到未知的潜在的东西，是在原有的基础上发现那些没法预料的、不是靠感官所能察觉的，甚至是一些与生活所违背的，它更是人工智能和统计分析的结合，是对传统技术的进一步拓展，由于对数据分析要求的进一步提高，也正是这一些特征才使得数据挖掘的结果而更加有意义与价值。 　　二、数据挖掘的相关技术与在经济统计中的应用 　　正是由于对于数据的大量收集、先进的计算机技术、数据算法的产生、超大规模数据库的出现、数据访问速度的提升、对数据进行精深统计方法计算的能力等等一系列东西的出现，从而一步步使得数据挖掘技术的作用越来越广泛。对于经济统计准确性与实用性的需要，数据挖掘技术才开始慢慢渗透到经济统计工作中。数据挖掘技术的主要方法有： 　　统计分析方法，数据库字段项之间存在两种关系，函数关系和相关关系，即能用函数公式表示的确定性关系与不能用函数公式表示，但仍是相关确定性关系。即利用统计学原理对数据库中的信息进行分析。 　　神经网络方法，是一种模拟人脑信息加工过程的智能化信息技术。就像人的神经网络的过程一样，经过输入、分析、输出的过程，而在经济统计过程中得到实际应用。它为我们提供了一种完整的、准确的处理过程，使得经济运行模式就像人在接受处理信息的过程一样而形象化、具体化、实用化，更好地取得经济过程中各个部分之间的联系，从而获得对经济问题的分析，获得处理办法。 　　决策树是一种用于预测模型的算法，是基于统计理论的非参数识别技术，通过对大量数据的有目的分类，找到有价值、潜在的信息。正是由于分类速度快，描述简单，特别适合对经济运行过程中出现的大规模数据的处理工作。 　　粗集理论的方法，是一种研究不精确、不确定知识的数学工具，是通过对上下近似集来出来不确定问题。它算法简单，易于操作；不需要给出额外信息；简化输入信息的表达空间。对于不确定的经济因素提供了一种思维方法，正是通过这种近似原则，使得经济决策更加的与需求所接近，为最大利益化的获得给予有力支撑。 　　遗传算法，是一种根据生物自然选择与遗传机理的随机搜索算法，其思路是根据社会问题，在指定对象的人群中去采集信息，通过对隐含信息的整合、分析，进而得到结果。它具有隐含性、易于和其它模型结合，可以对隐含数据进行采集，而后把挖掘出的数据加以分析，进而得到应用。经济问题是一个发展变化的问题，内部有着千丝万缕的联系，参照遗传算法，我们就可以通过源头开始，一步步向下延伸，去提取数据，进行整体分析，这样就把经济问题具体化、直接化、目标化，使得问题的研究更加直观，把隐性的表现化，促使经济统计工作更加简单、直白。 　　三、数据挖掘流程在经济统计中的体现 　　定义问题，对于经济问题，要定义出所要探究的问题，确定数据挖掘的目的。1.数据准备，选择数据，数据预处理。即对所要探究的经济问题所涉及到的数据进行采集，做好前期的一些处理工作，使得数据得到简化，为后续工作的顺利进行做准备。2.数据挖掘，根据数据的类型和数据的特点选择相应的算法，利用人工智能、统计等方法，去发掘出有用的信息