淺析數(shù)據(jù)挖掘

何棟

摘要：伴隨著計(jì)算機(jī)網(wǎng)絡(luò)技術(shù)與數(shù)據(jù)庫技術(shù)日新月異的發(fā)展，數(shù)據(jù)庫的規(guī)?？偸窃谝恢辈粩嗟臄U(kuò)大，人們積累的數(shù)據(jù)也就越來越多。當(dāng)數(shù)據(jù)在不斷增加的同時(shí)，我們?nèi)绾螐拇罅康臄?shù)據(jù)中提取出有效信息的矛盾日益突顯。而傳統(tǒng)的查詢、報(bào)表等工具已經(jīng)無法滿足收集有效信息的需求，因此，需要一種新的數(shù)據(jù)分析方法與技術(shù)：它可以實(shí)現(xiàn)從大量的數(shù)據(jù)中提取出隱含但有效的信息與知識，所以數(shù)據(jù)挖掘技術(shù)由此而生。該文簡單地介紹了數(shù)據(jù)挖掘技術(shù)的產(chǎn)生，挖掘過程以及數(shù)據(jù)挖掘的應(yīng)用和發(fā)展。

關(guān)鍵詞：數(shù)據(jù)庫；數(shù)據(jù)挖掘模式

中圖分類號：TP311 文獻(xiàn)標(biāo)識碼：A 文章編號：1009-3044（2014）18-4121-01

1 數(shù)據(jù)挖掘技術(shù)的概念

數(shù)據(jù)是分析問題，掌握知識的基石。但是，擁有大量的數(shù)據(jù)與擁有許多有效的數(shù)據(jù)卻完全是兩回事。近幾年來，從數(shù)據(jù)庫中發(fā)現(xiàn)新問題掌握新知識這一領(lǐng)域發(fā)展飛速，廣闊的市場前景和研究利益促使這一領(lǐng)域不斷壯大。計(jì)算機(jī)技術(shù)發(fā)展和數(shù)據(jù)收集技術(shù)的進(jìn)步，可以讓人們從更加廣泛的范圍和以驚人的速度收集和存儲有效信息。

收集數(shù)據(jù)是為了得到有效信息，然而大量數(shù)據(jù)的存在本身卻并不意味著信息。當(dāng)今的數(shù)據(jù)庫技術(shù)使我們存儲大量的數(shù)據(jù)流已變得非常簡單，但卻還沒有一種成熟的技術(shù)能幫我們來分析、理解和讓數(shù)據(jù)以可理解的信息表示出來。所以，傳統(tǒng)的知識獲取技術(shù)，在面對巨型數(shù)據(jù)倉庫無能為力時(shí)數(shù)據(jù)挖掘技術(shù)就此誕生。

數(shù)據(jù)挖掘（Data Mining）它就是在融合了數(shù)據(jù)庫、數(shù)理統(tǒng)計(jì)以及人工智能等多方面的技術(shù)后形成的一類深層次的數(shù)據(jù)分析方法。它是在以計(jì)算機(jī)為基礎(chǔ)的前提下加以新技術(shù)，并從大量的數(shù)據(jù)中獲得有用知識的一個(gè)完整的過程，這就稱作數(shù)據(jù)挖掘。

2 數(shù)據(jù)挖掘的過程

數(shù)據(jù)挖掘是在以現(xiàn)有的已知數(shù)據(jù)集合為前提下，從中發(fā)現(xiàn)、建立各種模型，并且導(dǎo)出值的過程。

簡單的說來，數(shù)據(jù)挖掘可以大體分為以下幾個(gè)階段：

1）提出并闡明問題，隨之提出假設(shè)；

2）相關(guān)數(shù)據(jù)的收集；

3）數(shù)據(jù)及其預(yù)處理；

4）模型及其評估；

5）解釋模型并得出結(jié)論。

3 數(shù)據(jù)挖掘的應(yīng)用和發(fā)展趨勢

數(shù)據(jù)挖掘是一門具有廣泛應(yīng)用的新興的學(xué)科，并且數(shù)據(jù)挖掘的原理與針對特定應(yīng)用領(lǐng)域，及其需要的有效的數(shù)據(jù)挖掘的工具之間，還存在不小的距離。本節(jié)我們分析幾個(gè)應(yīng)用領(lǐng)域，討論如何為這些應(yīng)用定制專門的數(shù)據(jù)挖掘工具。

3.1 針對生物醫(yī)學(xué)和 DNA 數(shù)據(jù)分析的數(shù)據(jù)挖掘

大量的研究發(fā)現(xiàn)，在疾病不同階段時(shí)的致病基因有這樣的一個(gè)現(xiàn)象：引起一種疾病的基因是多個(gè)，但在某階段發(fā)揮主要作用的基因可能只有一個(gè)或者是幾個(gè)，所以，如果我們可以在不同階段，分別找出關(guān)鍵基因及它的基因組合序列，分別使用相對應(yīng)的藥物及治療手段，那將會大幅提升治療效果。

3.2 農(nóng)業(yè)中的數(shù)據(jù)挖掘與問題

農(nóng)業(yè)的生產(chǎn)是隨著時(shí)間的變化在不斷地發(fā)展變化中的，這樣一來就使得農(nóng)業(yè)生產(chǎn)數(shù)據(jù)更具有多樣性，變化性及不確定性等特性。我們面對著海量的數(shù)據(jù)，在大量的數(shù)據(jù)面前，我們迫切需要找出一種方法，他可以幫助我們，在大量數(shù)據(jù)中找出隱藏的規(guī)律，能讓我們制定出正確的農(nóng)業(yè)策略， 使農(nóng)業(yè)生產(chǎn)能持續(xù)高效的并協(xié)調(diào)和諧的健康發(fā)展，數(shù)據(jù)挖掘技術(shù)首當(dāng)其沖。

3.3 電信業(yè)中的數(shù)據(jù)挖掘

隨著時(shí)代的發(fā)展與變遷電信業(yè)的電信服務(wù)，早已不是以前單一的長短話服務(wù)了，計(jì)算機(jī)和 Web 數(shù)據(jù)傳輸，以及其它數(shù)據(jù)通訊服務(wù)，反而成了它的主流業(yè)務(wù)?，F(xiàn)在人們跟多的使用手機(jī)，來進(jìn)行數(shù)據(jù)的傳輸服務(wù)，所以電信，計(jì)算機(jī)網(wǎng)絡(luò)和各種其它方式的通訊與計(jì)算的融合是目前的大勢所趨，正像我們現(xiàn)在大力發(fā)展的物聯(lián)網(wǎng)技術(shù)一樣。

電信數(shù)據(jù)本身同樣具有多維性，例如呼叫時(shí)間，呼叫類型，數(shù)據(jù)量等。對此類數(shù)據(jù)的多維分析有助于識別和比較數(shù)據(jù)通訊情況，以及資源使用的情況等。例如，分析人員希望經(jīng)常查看有關(guān)呼叫源，呼叫目標(biāo)，呼叫量，數(shù)據(jù)量和每天使用模式等方面的圖表。因此，將電信數(shù)據(jù)構(gòu)造為數(shù)據(jù)倉庫十分有用，可以經(jīng)常使用 OLAP和可視化工具進(jìn)行多維分析。同樣面對海量數(shù)據(jù)，數(shù)據(jù)挖掘技術(shù)依然首當(dāng)其沖。

21世紀(jì)是信息高速發(fā)展的時(shí)代，數(shù)據(jù)挖掘技術(shù)正是一個(gè)發(fā)展迅猛的技術(shù)，在數(shù)據(jù)挖掘技術(shù)日益廣泛的使用前提下，它完全可以實(shí)現(xiàn)數(shù)據(jù)資源的共享以及技術(shù)發(fā)展的跨領(lǐng)域，使工作效率大幅提升。正如人們所說“信息不僅是資源，更是財(cái)富”，的確要實(shí)現(xiàn)經(jīng)濟(jì)的騰飛，離不開創(chuàng)新，要實(shí)現(xiàn)高新尖科技的發(fā)展，離不開創(chuàng)新，創(chuàng)新是一個(gè)國家發(fā)展的力量源泉，所以我們要充分利用提供的信息，進(jìn)行數(shù)據(jù)挖掘，為數(shù)據(jù)庫的應(yīng)用開辟新的前景，為人類的文明和發(fā)展開辟一個(gè)嶄新的時(shí)代。

參考文獻(xiàn)：

[1] 互聯(lián)網(wǎng)文檔資源（http：//wenku.baidu.c）.2012-11-13.

[2] 李慶香.數(shù)據(jù)挖掘技術(shù)在高校學(xué)生成績分析中的應(yīng)用研究[D].西南大學(xué)，2009.

[3] 張靜. 數(shù)據(jù)挖掘在生物信息中應(yīng)用的現(xiàn)狀及展望[J].電腦知識與技術(shù)，2008，5.

[4] Berson A， Smith S， Thearling K. Building Data Mining Applications for CRM[M].McGraw-Hill， New York， 2000.

[5] Hand D， Mannila H， Smith P. Principles of Data Mining[M].MIT Press， Cambridge： MA， 2001.

[6] 韓家煒， 堪博.數(shù)據(jù)挖掘概念與技術(shù)[M]. 2版.范明，孟小峰，譯.北京：機(jī)械工業(yè)出版社，2007.endprint