数据挖掘重点知识点讲解(数据挖掘相关知识介绍)

数据挖掘重点知识点讲解(数据挖掘相关知识介绍)(1)

1、数据挖掘定义

把数据库中大量数据背后隐藏的重要信息抽取出来,然后为公司创造很多潜在的利润,针对这种海量数据库中挖掘数据信息的技术称为数据挖掘(DM)。

2、数据挖掘的分类

按照数据库种类:关系型数据库的数据挖掘、数据仓库的数据挖掘、面向对象数据库的挖掘、空间数据库的挖掘、正文数据库和多媒体数据库的数据挖掘。

按知识类别来分:关联、特征描述、分类分析、聚类分析、趋势、偏差分析。

按知识抽象层次:一般文化知识、初级知识、多层次知识。

3、数据挖掘常用技术

人工神经网络:仿照生理神经网络结构的非线性预测模型,通过学习模式识别。

决策树:代表决策集的树形结构。

遗传算法:基于进化理论,并采用遗传结合、遗传变异、以及自然选择等设计方法的优化技术。

紧邻算法:将数据集合中每一个记录进行分类的方法。

规则推导:从统计意义上对数据进行规则寻找和推导。

4、数据挖掘和数据仓库的关系

数据挖掘的关键在于通过访问正确、完整、集成的数据,才能进行深层次的分析,寻求有益的信息。数据仓库是提供数据的源头,并且数据仓库的联机分析功能OLAP还为数据挖掘提供了一个极佳的操作平台。如果两者结合起来可以实现数据的有效联结,可以给数据挖掘带来便利和功能。

5、数据挖掘技术的应用过程

确定挖掘对象:要清晰定义挖掘对象、认清数据挖掘的目标。

准备数据:根据确定的挖掘对象,然后搜索所有与业务对象有关的内部和外部数据,然后选择适合数据挖掘应用的数据。需要对数据进行预处理比如数据清洗、解决冗余、缺值、不一致、数据分组等问题。

建立模型:将数据转换为一个分析模型,主要是针对挖掘算法建立。

数据挖掘:针对转化的数据进行数据挖掘,一般都是数据挖掘工具自动完成。

结果分析:针对数据挖掘的结果进行解释和评估。一般根据数据挖掘操作结果制定决策成败来定。

数据应用:数据挖掘的结果结果业务决策人员的认可,然后就可以实际利用了。

,

免责声明:本文仅代表文章作者的个人观点,与本站无关。其原创性、真实性以及文中陈述文字和内容未经本站证实,对本文以及其中全部或者部分内容文字的真实性、完整性和原创性本站不作任何保证或承诺,请读者仅作参考,并自行核实相关内容。