網(wǎng)絡(luò)運維數(shù)據(jù)分析中的數(shù)據(jù)挖掘應(yīng)用初探

王 燁

（萊蕪市光明電力服務(wù)有限公司，萊蕪 271100）

現(xiàn)階段，互聯(lián)網(wǎng)技術(shù)的應(yīng)用越來越廣泛，網(wǎng)絡(luò)運行速度較之前相比也有了很大的提高，社會的不但發(fā)展對數(shù)據(jù)分析提出了更高的要求，在此背景下，數(shù)據(jù)挖掘技術(shù)應(yīng)運而生，它可以在大量的數(shù)據(jù)中找到有價值的數(shù)據(jù)信息，從而完成對網(wǎng)絡(luò)數(shù)據(jù)的智能化控制和解讀，在大數(shù)據(jù)背景下的網(wǎng)絡(luò)管理和分析當(dāng)中非常適用。

1 概述

1.1 網(wǎng)絡(luò)運維

網(wǎng)絡(luò)運維，就其本質(zhì)方面來講就是從根本上確保企業(yè)穩(wěn)定和安全的管理活動的一種，本身是有多種網(wǎng)絡(luò)維護組合而成的綜合性的維護體系。

1.2 數(shù)據(jù)挖掘概念

所謂的數(shù)據(jù)挖掘及時，從本質(zhì)上來講，其實就是在海量的數(shù)據(jù)當(dāng)中，進行相關(guān)規(guī)律和有用信息的找尋。在數(shù)據(jù)挖掘及時當(dāng)中包含了多種計算方式，比如數(shù)據(jù)庫、統(tǒng)計學(xué)等。數(shù)據(jù)挖掘的基本思想就是：來自于統(tǒng)計學(xué)領(lǐng)域的抽樣檢測和假設(shè)估計，以及人工智能當(dāng)中的可視化信息檢索、建模技術(shù)、進化計算以及搜索算法等，在對大量信息進行處理的過程當(dāng)中，這些方面具有十分重要的意義。

1.3 數(shù)據(jù)挖掘?qū)W(wǎng)絡(luò)運維數(shù)據(jù)分析的意義

之前在處理網(wǎng)絡(luò)故障的時候其針對性不強，同時維護效率也不高，與當(dāng)下網(wǎng)絡(luò)的具體需求相違背。在具體維護網(wǎng)絡(luò)的過程當(dāng)中有效利用數(shù)據(jù)挖掘及時，在有效確保預(yù)測能力不斷提高的同時，對其管理工作也有著一定的輔助意義，充分保護了網(wǎng)絡(luò)信息資源，有效確保了網(wǎng)絡(luò)服務(wù)質(zhì)量的提升。

2 網(wǎng)絡(luò)運維數(shù)據(jù)分析中的數(shù)據(jù)挖掘應(yīng)用

在分析網(wǎng)絡(luò)運維數(shù)據(jù)的過程當(dāng)中，因為數(shù)據(jù)類型較多，所以我們在具體進行選擇的過程當(dāng)中必須要嚴(yán)格按照相關(guān)數(shù)據(jù)的類型來進行，在分析和挖掘數(shù)據(jù)的過程中積極采用多種方法來進行。要想從根本上確保數(shù)據(jù)挖掘的準(zhǔn)確性和可靠性，必須要不斷優(yōu)化和完善現(xiàn)有的挖掘技術(shù)算法，另外，為了對不同的數(shù)據(jù)類型進行適應(yīng)，甚至還會創(chuàng)造出更多的算法。

2.1 決策樹算法

在機器學(xué)習(xí)當(dāng)中決策樹也是數(shù)據(jù)模型的一種，其實就是在對部門決策的附加概率記過進行表示的時候采用樹形結(jié)構(gòu)，能夠?qū)⒔y(tǒng)計概率直觀的表現(xiàn)出來。而所要進行計算的具體對象則可以利用決策樹當(dāng)中的節(jié)點來進行表示，對象則可以通過分叉來進行表示；而由根節(jié)點到葉節(jié)點當(dāng)中對象路徑的值則可以由每個節(jié)點來進行表示。一般來講決策樹的節(jié)點主要有三個，也就是總結(jié)點、決策點以及機會點。而由三個步驟來完成決策樹的生成。其一，特征選擇。在分裂當(dāng)前階段的時候其標(biāo)準(zhǔn)可以使眾多數(shù)據(jù)當(dāng)中的其中一個特征。就其本質(zhì)上來講，評估這些特征的方式是不一樣的，進而在計算決策樹的時候也會有所不同。其二，生成。結(jié)合特征評估標(biāo)準(zhǔn)由上往下生成了子節(jié)點一直到停止。其三，剪枝，在生成之后，決策樹通常會出現(xiàn)較為繁雜的情況，這個時候就必須要采用響應(yīng)的技術(shù)措施將多余的環(huán)節(jié)去掉，將其規(guī)模進行不斷縮小?？偟膩碇v，決策樹最為主要的意義就是其預(yù)判性，結(jié)合相關(guān)模型預(yù)判可能發(fā)展的趨勢，運營商及其有關(guān)單位能夠結(jié)合預(yù)判結(jié)果對相應(yīng)的風(fēng)險做到有效預(yù)防?？偟膩碇v，決策樹算法的優(yōu)點主要有以下幾點：在對離散型數(shù)據(jù)進行計算的時候較為適用，也就是數(shù)值型數(shù)據(jù)，進而可以提出一些蘊含的算法和規(guī)則。決策樹在計算的時候相對較為簡單且具有較高的使用頻率，能夠有效結(jié)合算法特征構(gòu)造出一些理解起來相對較為容易的規(guī)則。然而決策樹算法在對缺失數(shù)據(jù)進行處理的時候具有較大的難度，對此必須要給予足夠的重視。

2.2 聚類法

所謂的聚類法，其實就是將獲取的所有對象根據(jù)其特性的不同對其進行分類，從而有效提高了數(shù)據(jù)分析的便利性。在對聚類法進行運用之前，數(shù)據(jù)信息本身就具有不確定性，它是進行數(shù)據(jù)挖掘工作的關(guān)鍵所在，從根本上保證了數(shù)據(jù)分析和挖掘結(jié)構(gòu)的準(zhǔn)確性。在數(shù)據(jù)挖局當(dāng)中聚類法所具有的意義相關(guān)人員必須要給予充分的重視，保證數(shù)據(jù)分類的準(zhǔn)確性，防止對后續(xù)工作造成影響。

2.3 人工神經(jīng)網(wǎng)絡(luò)法

在人工智能當(dāng)中，人工神經(jīng)網(wǎng)絡(luò)是其研究內(nèi)容之一，它通過分析和模擬人腦的神經(jīng)系統(tǒng)，進而形成了和人腦結(jié)構(gòu)差不多的計算機網(wǎng)絡(luò)體系。一般情況下在決策樹法之后進行該方法的應(yīng)用，其只可以分析比較已存在的實例，現(xiàn)階段，人們對于該方法的應(yīng)用主要是在對預(yù)測、時間序列等問題進行解決的時候。再者，在非管理模式當(dāng)中，在描述類問題方面其敏感程度較高，然而由于及時和技術(shù)等方面的原因，人工神經(jīng)網(wǎng)絡(luò)法的實用性不強，在此背景下，相關(guān)研究人員必須加強這方面的研發(fā)和利用，更好的服務(wù)于現(xiàn)代商業(yè)。

3 結(jié)束語

在網(wǎng)絡(luò)運維數(shù)據(jù)分析當(dāng)中采用數(shù)據(jù)挖掘及時能夠有效提高其效率和準(zhǔn)確性，確保決策的合理性和科學(xué)性。再者，網(wǎng)絡(luò)運維數(shù)據(jù)分析和數(shù)據(jù)挖掘及時之間的契合度較高。所以，在網(wǎng)絡(luò)運維數(shù)據(jù)分析當(dāng)中充分應(yīng)用數(shù)據(jù)挖掘技術(shù)，具有高效、便捷等優(yōu)勢。在信息技術(shù)和計算機技術(shù)不斷進步的背景下，在網(wǎng)絡(luò)運維數(shù)據(jù)分析當(dāng)中對于數(shù)據(jù)挖掘技術(shù)的應(yīng)用較為越來越成熟，從根本上確保網(wǎng)絡(luò)運行的安全性和穩(wěn)定性。