大数据数据挖掘技术应用研究优选x .pdfVIP

大数据数据挖掘技术应用研究

数据挖掘是一门新兴的学科，其诞生于20世纪80年代，其主要

面向商业应用的人工智能研究领域，从技术角度来说，数据挖掘就是

从大量的复杂的、不规则的、随机的，模糊的数据中获取隐含的，受

众事先没有发觉的、有潜在价值和知识的过程。

1数据挖掘的基本分析方法

在数据挖掘技术应用过程中，分析方法可以说是其最为基础和核

心的内容，借助科学可靠的算法才能更好的实现数据挖掘，理清数据

中潜在的各种规律，使所挖掘的数据作用得到最大限度的发挥，通过

不同的分析方法，可以解决不同的问题，当前最为常用的数据挖掘方

法主要有聚类分析、特征数据分析法、关联性分析等。下面，笔者将

结合自身的理解和认识，对不同分析方法进行详细的论述。

1.1聚类分析法

所谓的聚类分析就是将各种数据对象按照其作用、功能及特性等

进行聚类分组，然后形成板块，这样可以快速的将毫无逻辑的数据变

成具有一定联系性的分组数据，然后再对这些分组数据进行分析和利

用，进一步挖掘出具有一定价值的数据，发挥数据的作用价值。但是

需要注意的是该数据分析方法虽然可以快速的对数据进行分组，但是

其缺陷也十分的明显，即难以较好的结合数据类别、属性等对数据进

行分类，因此该分析方法应用比较多的领域主要是心理学、统计学和

数据识别等领域。

1.2特征性数据分析法

在大数据时代下，网络数据每秒钟都是快速更新，数据爆炸式发

展已经成为时代发展的趋势，数据资源的普及和应用范围可谓是越来

越广泛，但是面对网络爆炸式数据，如何快速的搜寻出使用者所需要

的数据，发挥相关数据的作用和价值就是一件值得思考的事情了，而

特性分类逐渐发展成为当前数据整理分类的主要内容。在应用特征性

数据分析方法时，还有多种方法是通过计算机来实现虚拟数据分类的，

专业的计算机工作者可以寻找数据之间存在的普遍规律然后完成数

据的特性分析，在此基础之上进行下一步的分类。

1.3关联性分析法

网络上的数据形形色色，千奇百怪，有的数据发布者为了保护数

据往往会实施各种加密方法使得数据具有一定的隐蔽性，这样可能就

很难通过普通的数据分析法对相关数据进行挖掘和利用，而要解决该

问题则可以通过关联性分析法完成对于数据信息的关联性识别，进而

快速的获取有效数据，帮助人力完成对各种数据分辨的任务，相较于

其他的数据分析方法来说，这种分析方法实际上带有很强的目的性，

因此往往适用于对数据精准度要求相对比较高的信息管理工作。

2数据挖掘技术的应用

实际应用中数据挖掘技术的具体流程就是先通过对海量数据的

保存，然后对保存好的数据进行分析、整理、选择和转换等。数据的

准备工作是数据挖掘技术的基础前提，前期准备工作的好坏也直接决

定了数据挖掘技术的效率及质量。在数据准备工作完成之后工作人员

需要进一步对数据进行挖掘，在挖掘的基础之上对数据进行评估，然

后达到应用目的。数据挖掘技术可以应用于多个方面，其挖掘的结果

可以参与到政府、企业和个人的决策中，数据挖掘的社会价值得到了

最大限度的发挥，其不断改变着人们的生活方式，而文章结合笔者自

身的工作经验，尝试分析数据挖掘技术在高校中的应用，其具体如下

所示。

2.1数据挖掘技术在高校管理中的应用

高校管理涉及到了多个方面的内容，如学生在校的学习和生活中

都涉及有管理方面的内容，数据挖掘技术在高校管理中的内容主要包

含有高校招生录取、贫困生选择以及优秀学生和班干部的评比等工作。

从高校管理的角度来说，其每年的招生工作是学校可持续发展的重要

环节，招生质量高低直接影响到了高校教学质量以及未来的发展动向，

而将数据挖掘技术应用到高校的招生管理工作中，可以快速有效的对

学生高考成绩、志愿填报方式以及生源地基本情况等进行多方面的信

息整合与汇总，这样可以更加科学的对学生情况进行评估，为学校选

取更久优质的生源，促进高校的长远发展建设。数据挖掘技术应用的

具体步骤就是通过对数据的收集和预处理，建立相关的数据模型，然

后借助分类算法，提取和挖掘最为有价值的信息，对所挖掘的数据进

行存储，以备后期使用，贫困生选择以及优秀学生和班干部评选中也

可以应用这种方式进行数据挖掘处理。

2.2数据挖掘技术在高校课堂教学评价中的应用

教学评价是教育教学工作的重要组成部分，其能够帮助教师深入

的了解学生的学习情况，分析教学中存在的不足，并在后期的教学中

及时的进行调整，这样能够有效的提升教育教学质