不同数据挖掘方法分类对比研究.docVIP

不同的数据挖掘方法分类对比研究 　　摘要：空间数据挖掘存在于空间数据库中，而且大部分情况下可能是隐式的。文中描述了数据挖掘的几个聚类方法――分类、聚类、半监督、关联分析。为此，在文中，基于一定的问题分析对这四个聚类方法做了一定的描述。因为有些数据需要对其未来行为趋势做估计，因此，需要一定的数据挖掘方法对其进行统计与分析。 　　关键词：空间数据挖掘；聚类方法；半监督；关联分析 　　中图分类号：TP311 文献标识码：A 文章编号：1009-3044（2016）04-0017-02 　　A comparative Study with Different Data Mining Classification Methods 　　WANG Xue-ying， WANG Jin-feng， ZHANG Yan-li 　　（Software College， Shenyang Normal University， Shenyang 110034 China） 　　Abstract： Spatial data mining may be the implicit existence in spatial database. In this article， we explore several clustering methods ― classification， clustering， semi-supervised， association analysis. So， we make analysis for this four methods in this article. On account of the fact that some data need to be evaluated for its behavior trend. Therefore， it requires some data mining methods to analyze and count. 　　Key words： spatial data mining； clustering method； semi-supervised； association analysis 　　数据挖掘[1-3]处理过程包括搜索，选择，探索以及大量数据的建模为发现潜在有用、从大的数据库中最终可以理解的模式。数据挖掘的目标就是把数据变为有用的知识。模式提取在数据挖掘技术中是一种非常重要的过程，它指的是数据子集之间的某些关系。 　　数据挖掘使用不同的计算、数据和机器学习的一些方法，其中机器学习包括数据分析[4，5]，决策树[6-8]，神经网络[9-11]，规则归纳[12，13]和提炼[14]和图形可视化[15]等，目的就是详尽探索数据显示可能存在的复杂关系。尽管机器学习已经被使用很长时间了，但是先进技术发展和友好的工具对于商业智能来说令数据挖掘更具吸引力和实用价值。当这些模式提取技术被正确使用的时候，从数据中提取有用的信息，使得它们成为非常有效的工具。 　　最近时间以来，数据挖掘技术的广泛使用是由于以下几方面原因：最明显的因素就是人员在运营事务中收集大量的数据，在早期的90年代，信用卡和保险公司使用数据挖掘作为一个检测欺诈行为的工具。在很多组织中，不管什么类型的行业里，都需要在某种形式的操作过程中收集大量的数据。例如，零售行业多年来一直使用数据挖掘技术来预测他们的客户可能会购买什么东西。电子商务也是最新使用数据挖掘技术之一的行业。 　　电子商务是一种基于网络平台来分享商业信息、维持商业关系、进行商业交易的一种信息交流技术的使用。在电子商务中，不同的数据挖掘技术可以为不同目的而使用。例如，在促销时候，营销员工可能希望找出哪些产品顾客更倾向于购买，这些信息将允许他们把这些项目放在销售包好的地方来增加收入。Web日志数据的使用许可来理解用户的行为。这些数据包含使用者的权限以及可能在行为中展示的潜在模式，并确定电子商务的潜在客户的信息。这些信息作用于：改变市场策略、确定顾客划分、提高顾客保留力、预测顾客消费和市场趋势、对顾客提供个人服务、分析购物车、预测销售额、重新设计网站来提供一个很好的服务甚至做一些更好的商业决定。数据挖掘方面引起了Web挖掘技术的产生，它是一种可以细分网页内容，网页结构网页使用的技术，这种技术也可以提取有用的信息从Web文档中，现在也得到了广泛的应用。 　　正如我们上面描述的，数据挖掘特别是Web数据挖掘技术在电子商务中扮演一个重要的角色。近年来电子商务的快速增长，通过运营事务收集大量数据的数据挖掘技术越来越成为发现和理解未知的客户模式重要方式。在接下来，简要描述的一些示例数据挖掘在电子商务中的应用。 　　集群或分组电子商务客