【数据挖掘相关理论及技术概述2100字】 .pdfVIP

数据挖掘相关理论及技术概述

1.1数据挖掘定义

数据挖掘，英文全称为DataMining,可基于数据库进行知识要素发现和数据分析，

通过大数据处理技术将杂乱无序的数据进行整理和处理，然后结合具体的业务需要提取

有用的数据，可实现历史数据的分析和未来数据的预测［2气

1）挖掘目标的确立

针对特定的数据源进行数据挖掘前，需要根据企业的业务需要确定数据挖掘的目标

和计划，而且数据挖掘计划需要体现在具体的数据挖掘内容和问题定义过程中，并且形

成程序可读懂的程序语言［23］。

2）数据隹备

数据隹备阶段主要从最初的原始数据中提取出可用于数据挖掘的数据，实现数据的

初步筛选，包括从海量的数据中选取可能与挖掘对象相关的数据表格、数据记录、不同

数据对象的属性，并初步实现数据的清洗和预处理24］。

（1）数据的选择：原始的数据库内的数据量较大，需要对数据库中与挖掘业务的相

关数据进行初步提取，锁定数据挖掘的范围。在进行数据选择时，除了考虑数据的业务

关联性外，还需要保证数据的质量，能够反映业务搜索的实际属性比］。

（2）数据的预处理：对数据的质量进行控制，完成冗余数据的删除和数据格式的标

准化处理。

（3）数据的转换：将数据挖掘范围内待挖掘的数据使用统一的格式进行存储和应

用，并保证数据的有效性四。

3）数据挖掘

根据数据挖掘的数据源和数据挖掘的目标，对数据挖掘应用的模型和算法进行对比

选择，然后将待挖掘的数据源进行导入，对模型的参数进行调整，实时收集数据挖掘结

果。此过程是整个数据挖掘的核心，需要对模型的参数进行精隹地设置，以保证数据挖

掘的效果最佳，能够完全提取出数据源内与业务相关的数据。如果数据挖掘过程中对数

据源初步处理的数据具有具体的要求，需要重新进行数据隹备［2刀。

4）解释评价

解释评价过程重要根据数据挖掘目标从数据挖掘的结果数据中提取符合结果数据

评价标隹的数据，以保证数据挖掘的质量。在进行数据应用时，需以数据挖掘为主要前

提，判断数据挖掘的过程是否满足了企业业务目标⑶］。

5）知识应用

数据挖掘的根本目的是对数据进行应用。通过应用过程中的数据使用效果和知识评

价情况对数据挖掘的模型进行不断地调整和分析，将用户感兴趣的知识数据推送给客户,

同时客户可对知识数据进行展示和操作渺］。在此过程中，用户占主导地位，可对数据挖

掘的效果和质量进行综合分析。

1.2数据挖掘工具介绍

数据挖掘是一个数据操作和数据特征提取的过程，需要数据挖掘的工具的参与。数

据挖掘工具往往具有完整的数据挖掘模型和方法，企业可结合自身数据挖掘需求对工具

进行配置，以保证良好的数据挖掘效果。选取数据挖掘工具时，需要对不同工具的适用

性和特点进行充分分析，包括数据挖掘的模型类型、模型能力、数据的可视化呈现能力、

工具的操作性能以及数据的存储能力等［3。］。

通常情况下，在特定的应用场景下需要选择针对性的数据挖掘工具，解决对应的业

务数据挖掘问题。不同的数据工具的算法往往需要对数据具有特殊的要求，需要对初始

数据进行处理，以保证最终数据挖掘结果的有效性和质量。目前市面上常用的数据挖

掘工具包括以下几种：

(1)SPSSClementine数据挖掘工具

SPSSClementine是目前应用较为广泛且简单的常规数据挖掘工具，其功能模块覆

盖整个数据挖掘的过程，实现数据的处理、数据的转换、数据的挖掘、数据的评价和应

用的全生命周期管理Clementine数据挖掘工具在实际应用的过程中符合数据挖掘行

业标)隹，并提供可视化呈现的方式，并对不同数据间的关系进行描述，提升数据挖掘应

用的效率时。

(2)SASEnterpriseMiner数据挖掘工具

SASEnterpriseMiner数据挖掘工具通常应用与专业的业务场景，可实现数据的处理、

数据的转换、数据的挖掘、数据的评价和应用。通过与捆绑的SAS(StatisticalAnalysis

System,数据分析系统)数据仓库进行关联，实现OLAP(OnlineAnalyticalProcessing,

联机分析处理)集成，可实现多维数据的应用和数据集成，提升数据挖掘的有效性。

参