21世紀(jì)是數(shù)據(jù)信息大發(fā)展的時代，移動互聯(lián)、社交網(wǎng)絡(luò)、電子商務(wù)等都極大拓展了其應(yīng)用范圍，各種數(shù)據(jù)迅速擴張變大。大數(shù)據(jù)蘊藏著價值信息，但如何從海量數(shù)據(jù)中淘換出出對客戶有用的沙金甚至鉆石，是數(shù)據(jù)人面臨的巨大挑戰(zhàn)。本文在分析大數(shù)據(jù)基本特征的基礎(chǔ)上，對數(shù)據(jù)挖掘技能的分類及數(shù)據(jù)挖掘的常用方法進行了大略分析，以期可以在大數(shù)據(jù)時代背景下可以在數(shù)據(jù)挖掘方向取得些許成績。

1 大數(shù)據(jù)時代數(shù)據(jù)挖掘的重要性

隨著互聯(lián)網(wǎng)、物聯(lián)網(wǎng)、云計算等技能的快速發(fā)展，以及智能終端、網(wǎng)絡(luò)社會、數(shù)字地球等信息體的普及和建設(shè)，全球數(shù)據(jù)量出現(xiàn)爆炸式增長，僅在2011年就達到1.8萬億GB。IDC（Internet Data Center，互聯(lián)網(wǎng)絡(luò)數(shù)據(jù)中心）預(yù)計，到2020 年全球數(shù)據(jù)量將增加50倍。毋庸置疑，大數(shù)據(jù)時代已經(jīng)到來。一方面，云計算為這些海量的、多樣化的數(shù)據(jù)提供存儲和運算平臺，同時數(shù)據(jù)挖掘和人工智能從大數(shù)據(jù)中發(fā)現(xiàn)知識、規(guī)律和趨勢，為決策提供信息參考。

如果運用合理的方法和工具，在企業(yè)日積月累變成的浩瀚數(shù)據(jù)中，是能夠淘到沙金的，甚至可能發(fā)現(xiàn)許多大的鉆石。在一些信息化較成熟的行業(yè)，就有這樣的例子。比如銀行的信息化建設(shè)就相當(dāng)完善，銀行每天生成的數(shù)據(jù)數(shù)以萬計，儲戶的存取款數(shù)據(jù)、ATM交易數(shù)據(jù)等。

數(shù)據(jù)挖掘是借助IT手段對經(jīng)營決策產(chǎn)生決定性影響的一種管理手段。從定義上來看，數(shù)據(jù)挖掘是指一個完整的過程，該過程是從大量、不完全、模糊和隨機的數(shù)據(jù)集中識別有效的、可實用的信息，并運用這些信息做出決策。

2 數(shù)據(jù)挖掘的分類

數(shù)據(jù)挖掘技能從起初的單一門類的知識逐步發(fā)展成為一門綜合性的多學(xué)科知識，并由此產(chǎn)生了很多的數(shù)據(jù)挖掘方法，這些方法種類多，類型也有很大的差別。為了滿足用戶的實際需要，現(xiàn)對數(shù)據(jù)挖掘技能進行如下幾種分類：

2.1 按挖掘的數(shù)據(jù)庫類型分類

利用數(shù)據(jù)庫對數(shù)據(jù)分類成為可能是因為數(shù)據(jù)庫在對數(shù)據(jù)儲存時就能夠?qū)��?shù)據(jù)按照其類型、模型以及應(yīng)用場景的不同來進行分類，根據(jù)這種分類得到的數(shù)據(jù)在選取數(shù)據(jù)挖掘技能時也會有滿足自身的方法。對數(shù)據(jù)的分類有兩種情況，一種是根據(jù)其模型來分類，另一種是根據(jù)其類型來分類，前者包括關(guān)系型、對象-關(guān)系型以及工作型和數(shù)據(jù)倉庫型等，后者包括時間型、空間型和Web 型的數(shù)據(jù)挖掘方法。

2.2 按挖掘的知識類型分類

這種分類方法是根據(jù)數(shù)據(jù)挖掘的功能來實施的，其中包括多種分析的方式，例如相關(guān)性、預(yù)測及離群點分析方法，充分的數(shù)據(jù)挖掘不但僅是一種單一的功能模式，而是各種不同功能的聚集。同時，在上述分類的情況下，還能夠按照數(shù)據(jù)本身的特性和屬性來對其進行分類，例如數(shù)據(jù)的抽象性和數(shù)據(jù)的粒度等，利用數(shù)據(jù)的抽象層次來分類時能夠?qū)��?shù)據(jù)分為三個層次，即廣義知識的高抽象層，原始知識的原始層以及到多層的知識的多個抽象層。一個完善的數(shù)據(jù)挖掘能夠?qū)崿F(xiàn)對多個抽象層數(shù)據(jù)的挖掘，找到其有價值的知識。同時，在對數(shù)據(jù)挖掘進行分類時還能夠根據(jù)其表現(xiàn)出來的模式及準(zhǔn)則性和是否檢測出噪聲來分類，一般來說，數(shù)據(jù)的準(zhǔn)則性能夠通過多種不同的方法挖掘，例如相關(guān)性和關(guān)聯(lián)分析以及通過對其觀念描述和聚類分類、預(yù)測等方法，同時還能夠通過這些挖掘方法來檢測和排除噪聲。

2.3 按所用的技能類型分類

數(shù)據(jù)挖掘的時候選取的技能手段千變?nèi)f化，例如能夠選取面向數(shù)據(jù)庫和數(shù)據(jù)倉庫的技能以及神經(jīng)網(wǎng)絡(luò)及其可視化等技能手段，同時用戶在對數(shù)據(jù)進行分析時也會使用很多不同的分析方法，根據(jù)這些分析方法的不同能夠分為遺傳算法、人工神經(jīng)網(wǎng)絡(luò)等等。一般情況下，一個龐大的數(shù)據(jù)挖掘系統(tǒng)是集多種挖掘技能和方法的綜合性系統(tǒng)。

2.4 按應(yīng)用分類

根據(jù)數(shù)據(jù)挖掘的應(yīng)用的領(lǐng)域來進行分類，包括財經(jīng)行業(yè)、交通運輸業(yè)、網(wǎng)絡(luò)通訊業(yè)、生物醫(yī)學(xué)領(lǐng)域如DNA等，在這些行業(yè)或領(lǐng)域中都有滿足自身要求的數(shù)據(jù)挖掘方法。對于特定的應(yīng)用場景，此時就可能需要與之相應(yīng)的特殊的挖掘方法，并保證其有效性。綜上所述，基本上不存在某種數(shù)據(jù)挖掘技能能夠在所有的行業(yè)中都能使用的技能，每種數(shù)據(jù)挖掘技能都有自身的專用性。

3 數(shù)據(jù)挖掘中常用的方法

目前數(shù)據(jù)挖掘方法主要有4種，這四種算法包括遺傳、決策樹、粗糙集和神經(jīng)網(wǎng)絡(luò)算法。以下對這四種算法進行一一解釋說明。

遺傳算法：該算法依據(jù)生物學(xué)領(lǐng)域的自然選擇規(guī)律以及遺傳的機理發(fā)展而來，是一種隨機搜索的算法，利用仿生學(xué)的原理來對數(shù)據(jù)知識進行全局優(yōu)化處理。是一種基于生物自然選擇與遺傳機理的隨機搜索算法，是一種仿生全局優(yōu)化方法。這種算法具有隱含并行性、易與其它模型聯(lián)合等優(yōu)點從而在數(shù)據(jù)挖掘中得到了應(yīng)用。

決策樹算法：在對模型的預(yù)測中，該算法具有很強的優(yōu)勢，利用該算法對龐大的數(shù)據(jù)信息進行分類，從而對有潛在價值的信息進行定位，這種算法的優(yōu)勢也對照明顯，在利用這種算法對數(shù)據(jù)進行分類時相當(dāng)迅速，同時描述起來也很簡明，在大規(guī)模數(shù)據(jù)處理時，這種方法的應(yīng)用性很強。

粗糙集算法：這個算法將知識的理解視為對數(shù)據(jù)的劃分，將這種劃分的一個總體叫做觀念，這種算法的基本原理是將不夠精確的知識與確定的或者正確的知識進行類別同時進行類別刻畫。

神經(jīng)網(wǎng)絡(luò)算法：在對模型的預(yù)測中，該算法具有很強的優(yōu)勢，利用該算法對龐大的數(shù)據(jù)信息進行分類，從而對有潛在價值的信息進行定位，這種算法的優(yōu)勢也對照明顯，在利用這種算法對數(shù)據(jù)進行分類時相當(dāng)迅速，同時描述起來也很簡明，在大規(guī)模數(shù)據(jù)處理時，這種方法的應(yīng)用性很強。光纜監(jiān)測及其故障診斷系統(tǒng)對于保證通訊的順利至關(guān)重要，同時這種技能方法也是順應(yīng)當(dāng)今時代的潮流必須推廣使用的方法。同時，該診斷技能為通訊管網(wǎng)和日常通訊提供了可靠的技能支持和可靠的后期保證。

在不久的將來，云計算一定會徹底走入我們的生活，有興趣入行未來前沿產(chǎn)業(yè)的朋友，可以收藏云計算，及時獲取人工智能、大數(shù)據(jù)、云計算和物聯(lián)網(wǎng)的前沿資訊和基礎(chǔ)知識，讓我們一起攜手，引領(lǐng)人工智能的未來！

標(biāo)簽： idc 大數(shù)據(jù) 大數(shù)據(jù)時代 電子商務(wù) 互聯(lián)網(wǎng) 互聯(lián)網(wǎng)絡(luò) 數(shù)據(jù)庫 搜索 推廣 網(wǎng)絡(luò) 信息化 移動互聯(lián) 云計算

版權(quán)申明：本站文章部分自網(wǎng)絡(luò)，如有侵權(quán)，請聯(lián)系：west999com@outlook.com
特別注意：本站所有轉(zhuǎn)載文章言論不代表本站觀點！
本站所提供的圖片等素材，版權(quán)歸原作者所有，如需使用，請與原作者聯(lián)系。