數(shù)據(jù)挖掘現(xiàn)狀及發(fā)展方向制作人：丁鵬指導(dǎo)教師：黃振華主要內(nèi)容MainContents123數(shù)據(jù)挖掘的含義及功能數(shù)據(jù)挖掘問題及應(yīng)用現(xiàn)狀4數(shù)據(jù)挖掘研究熱點數(shù)據(jù)挖掘技術(shù)的三大支柱5數(shù)據(jù)挖掘的未來發(fā)展方向含義含義數(shù)據(jù)挖掘就是從海量的數(shù)據(jù)（包括結(jié)構(gòu)化和非結(jié)構(gòu)化）中挖掘出隱含在其中的、事先不為人知的、潛在的、有用信息和知識的技術(shù)。這些信息是可能有潛在價值的，是用戶感興趣的、可理解、可運(yùn)用的，支持決策，可以為企業(yè)帶來利益，或者為科學(xué)研究尋找突破口。數(shù)據(jù)挖掘所能發(fā)現(xiàn)的知識：廣義型特征型差異型關(guān)聯(lián)型預(yù)測型偏離型功能功能關(guān)聯(lián)規(guī)則和序列模式的發(fā)現(xiàn)：預(yù)測及偏差檢測AAA功能聚類ABC分類按照分析對象的屬性、特征，建立不同的組類來描述事物。。識別出分析對內(nèi)在的規(guī)則，按照這些規(guī)則把對象分成若干類。。關(guān)聯(lián)是某種事物發(fā)生時其他事物會發(fā)生的這樣一種聯(lián)系。預(yù)測：把握分析對象發(fā)展的規(guī)律，對未來的趨勢做出預(yù)見。偏差的檢測：對分析對象的少數(shù)的、極端的特例的描述，揭示內(nèi)在的原因。存在的問題存在的問題數(shù)據(jù)挖掘的基本問題就在于數(shù)據(jù)的數(shù)量和維數(shù)，數(shù)據(jù)結(jié)構(gòu)也因此顯的非常復(fù)雜，如何進(jìn)行探索，選擇分析變量，也就成為首先要解決的問題。面對如此大的數(shù)據(jù)，現(xiàn)有的統(tǒng)計方法等都遇到了問題，我們直接的想法就是對數(shù)據(jù)進(jìn)行抽樣，那么怎么抽樣，抽取多大的樣本，又怎樣評價抽樣的效果，這些都是值得研究的難題。既然數(shù)據(jù)是海量的，那么數(shù)據(jù)中就會隱含一定的變化趨勢，在數(shù)據(jù)挖掘中也要對這個趨勢做應(yīng)有的考慮和評價。010203同時數(shù)據(jù)挖掘技術(shù)也面臨著許多的問題，這也為數(shù)據(jù)挖掘未來的發(fā)展提供了更大的空間。存在的問題各種不同的模型如何應(yīng)用，其效果如何評價。不同的人對同樣的數(shù)據(jù)進(jìn)行挖掘，可能產(chǎn)生不同的結(jié)果，甚至差異很大，這就涉及到可靠性的問題。當(dāng)前互聯(lián)網(wǎng)的發(fā)展迅速，如何進(jìn)行互聯(lián)網(wǎng)的數(shù)據(jù)挖掘，還有文本等非標(biāo)準(zhǔn)數(shù)據(jù)的挖掘，都引起了極大的興趣。0405數(shù)據(jù)挖掘涉及到數(shù)據(jù)也就碰到了數(shù)據(jù)的私有性和安全性。06數(shù)據(jù)挖掘的結(jié)果是不確定的，要和專業(yè)知識相結(jié)合才能對其做出判斷。07應(yīng)用現(xiàn)狀應(yīng)用現(xiàn)狀01商場從顧客購買商品中發(fā)現(xiàn)一定的關(guān)聯(lián)規(guī)則，提供打折、購物券等促銷手段，提高銷售額；02保險公司通過數(shù)據(jù)挖掘建立預(yù)測模型，辨別出可能的欺詐行為，避免道德風(fēng)險，減少成本，提高利潤；03在制造業(yè)中，半導(dǎo)體的生產(chǎn)和測試中都產(chǎn)生大量的數(shù)據(jù)，就必須對這些數(shù)據(jù)進(jìn)行分析，找出存在的問題，提高質(zhì)量；04電子商務(wù)的作用越來越大，可以用數(shù)據(jù)挖掘?qū)W(wǎng)站進(jìn)行分析，識別用戶的行為模式，保留客戶，提供個性化服務(wù)，優(yōu)化網(wǎng)站設(shè)計；數(shù)據(jù)挖掘的應(yīng)用非常廣泛，只要該產(chǎn)業(yè)有分析價值與需求的數(shù)據(jù)庫，皆可利用數(shù)據(jù)挖掘工具進(jìn)行有目的的發(fā)掘分析。常見的應(yīng)用案例多發(fā)生在零售業(yè)、制造業(yè)、財務(wù)金融保險、通訊及醫(yī)療服務(wù)：成功典例BassExportAutoTReuteres其運(yùn)用了SAS軟件進(jìn)行數(shù)據(jù)挖掘，每天對數(shù)據(jù)進(jìn)行分析，找出用戶的訪問模式，對產(chǎn)品的喜歡程度進(jìn)行判斷，并設(shè)特定服務(wù)，取得了成功。在海外80多個市場從事交易，每個星期傳送23000份定單，這就需要了解每個客戶的習(xí)慣，如品牌的喜好等，BassExport用IBM的IntelligentMiner很好的解決了上述問題。Reuteres用SPSS的數(shù)據(jù)挖掘工具SPSS/Clementine，建立數(shù)據(jù)挖掘模型，極大地提高了錯誤的檢測，保證了信息的正確和權(quán)威性。三大支柱三大支柱數(shù)據(jù)庫技術(shù)1人工智能技術(shù)2概率與數(shù)理統(tǒng)計3三大支柱隨著DMKD研究逐步走向深入，人們越來越清楚地認(rèn)識到，DMKD的研究主要有3個技術(shù)支柱，即數(shù)據(jù)庫、人工智能和數(shù)理統(tǒng)計。因此，在需求的驅(qū)動下，很多數(shù)據(jù)庫學(xué)者轉(zhuǎn)向?qū)?shù)據(jù)倉庫和數(shù)據(jù)挖掘的研究，從對演繹數(shù)據(jù)庫的研究轉(zhuǎn)向?qū)w納數(shù)據(jù)庫的研究。數(shù)據(jù)庫人們正視現(xiàn)實生活中大量的、不完全的、有噪聲的、模糊的、隨機(jī)的大數(shù)據(jù)樣本，從而與數(shù)據(jù)倉庫技術(shù)相結(jié)合，轉(zhuǎn)向數(shù)據(jù)挖掘技術(shù)。建立語義關(guān)聯(lián)，促進(jìn)有效連接人工智能一旦人們有了從數(shù)據(jù)查詢到知識發(fā)現(xiàn)、從數(shù)據(jù)演繹到數(shù)據(jù)歸納的要求，概率論和數(shù)理統(tǒng)計就獲得了新的生命力。概率統(tǒng)計研究熱點研究熱點網(wǎng)站的數(shù)據(jù)挖掘在對網(wǎng)站進(jìn)行數(shù)據(jù)挖掘時，所需要的數(shù)據(jù)主要來自于兩個方面：一方面是客戶的背景信息，此部分信息主要來自于客戶的登記表；而另外一部分?jǐn)?shù)據(jù)主要來自瀏覽者的點擊流（Click-stream），此部分?jǐn)?shù)據(jù)主要用于考察客戶的行為表現(xiàn)。但有的時候，客戶對自己的背景信息十分珍重，不肯把這部分信息填寫在登記表上，這就會給數(shù)據(jù)分析和挖掘帶來不便。在這種情況之下，就不得不從瀏覽者的表現(xiàn)數(shù)據(jù)中來推測客戶的背景信息，進(jìn)而再加以利用。生物信息或基因的數(shù)據(jù)挖掘研究熱點對于生物信息或基因的數(shù)據(jù)挖掘和通常的數(shù)據(jù)挖掘相比，無論在數(shù)據(jù)的復(fù)雜程度、數(shù)據(jù)量還有分析和建立模型的算法而言，都要復(fù)雜得多。從分析算法上講，更需要一些新的和好的算法。現(xiàn)在很多廠商正在致力于這方面的研究。但就技術(shù)和軟件而言，還遠(yuǎn)沒有達(dá)到成熟的地步。未來的研究方向未來研究方向形式化描述的語言，即研究專門用于知識發(fā)現(xiàn)的數(shù)據(jù)挖掘語言DMQL，類似SQL語言一樣走向形式化和標(biāo)準(zhǔn)化；可視化的數(shù)據(jù)挖掘過程，尋求數(shù)據(jù)挖掘過程中的可視化方法，使知識發(fā)現(xiàn)的過程易于被用戶理解和操縱，可使數(shù)據(jù)挖掘過程成為用戶業(yè)務(wù)流程的一部分，也便于在知識發(fā)現(xiàn)的過程中進(jìn)行人機(jī)交互；包括數(shù)據(jù)用戶化呈現(xiàn)與交互操縱兩部分。未來研究方向Web網(wǎng)絡(luò)中數(shù)據(jù)挖掘的應(yīng)用，特別是在Internet上建立數(shù)據(jù)挖掘服務(wù)器，與數(shù)據(jù)庫服務(wù)器配合，實現(xiàn)數(shù)據(jù)挖掘，從而建立強(qiáng)大的數(shù)據(jù)挖掘引擎與數(shù)據(jù)挖掘服務(wù)市場。融合各種異構(gòu)數(shù)據(jù)的挖掘技術(shù)，加強(qiáng)對各種非結(jié)構(gòu)化數(shù)據(jù)的開采（DataMiningforAudio＆Video），如對文本數(shù)據(jù)、圖形數(shù)據(jù)、視頻圖像數(shù)據(jù)、聲音數(shù)據(jù)乃至綜合多媒體數(shù)據(jù)的開采；未來研究方向處理的數(shù)據(jù)將會涉及到更多的數(shù)據(jù)類型，這些數(shù)據(jù)類型或者比較復(fù)雜，或者是結(jié)構(gòu)比較獨(dú)特。為了處理這些復(fù)雜的數(shù)據(jù)，就需要一些新的和更好的分析和建立模型的方法，同時還會涉及到為處理這些復(fù)雜或獨(dú)特數(shù)據(jù)所做的費(fèi)時和復(fù)雜數(shù)據(jù)準(zhǔn)備的一些工具和軟件。

交互式發(fā)現(xiàn)及知識的維護(hù)更新。結(jié)束語結(jié)束語不管怎樣，需求牽引與市場推