知識(shí)點(diǎn)：數(shù)據(jù)挖掘技術(shù)21234數(shù)據(jù)挖掘簡(jiǎn)介數(shù)據(jù)挖掘流程數(shù)據(jù)挖掘系統(tǒng)數(shù)據(jù)挖掘的常用技術(shù)目錄數(shù)據(jù)挖掘簡(jiǎn)介數(shù)據(jù)挖掘也稱為知識(shí)發(fā)現(xiàn)，是目前數(shù)據(jù)科學(xué)領(lǐng)域的熱點(diǎn)研究課題。數(shù)據(jù)挖掘，就是從海量數(shù)據(jù)中發(fā)現(xiàn)隱含的、不平凡的、具有價(jià)值的規(guī)律或模式。在人工智能、機(jī)器學(xué)習(xí)、模式識(shí)別、數(shù)據(jù)庫(kù)管理和圖像處理等專業(yè)領(lǐng)域，數(shù)據(jù)挖掘技術(shù)都是必不可少的技術(shù)支持。數(shù)據(jù)挖掘流程從大量數(shù)據(jù)中找出對(duì)人們有用的信息的整個(gè)過(guò)程，是一個(gè)知識(shí)挖掘的過(guò)程，而數(shù)據(jù)挖掘只是其中的一個(gè)步驟。在進(jìn)行數(shù)據(jù)挖掘之前，先要對(duì)數(shù)據(jù)進(jìn)行采集、預(yù)處理及存儲(chǔ)，再使用數(shù)據(jù)挖掘技術(shù)，提取有用的信息，整個(gè)知識(shí)挖掘過(guò)程由如下步驟組成。數(shù)據(jù)挖掘流程（1）數(shù)據(jù)清洗（DataCleaning）即對(duì)采集到的數(shù)據(jù)做預(yù)處理，清除無(wú)效數(shù)據(jù)及與目標(biāo)無(wú)關(guān)的數(shù)據(jù)。（2）數(shù)據(jù)集成（DataIntegration）即將來(lái)自多個(gè)數(shù)據(jù)源的數(shù)據(jù)集中在一起。（3）數(shù)據(jù)選擇和轉(zhuǎn)換（DataTransformation）即將數(shù)據(jù)轉(zhuǎn)換為易于挖掘和分析的格式進(jìn)行存儲(chǔ)。（4）數(shù)據(jù)挖掘（DataMining）即利用有效的算法和工具挖掘出潛在的知識(shí)和規(guī)則。（5）模式評(píng)估（PatternEvaluation）即根據(jù)一定的評(píng)估標(biāo)準(zhǔn)從挖掘出的結(jié)果中篩選出滿足條件的知識(shí)。（6）知識(shí)表示（KnowledgePresentation）即利用可視化的方式展示所挖掘出的知識(shí)。一個(gè)典型的數(shù)據(jù)挖掘系統(tǒng)數(shù)據(jù)挖掘系統(tǒng)下圖所示為一個(gè)典型的數(shù)據(jù)挖掘系統(tǒng)，主要包括如下組件：（1）數(shù)據(jù)庫(kù)、數(shù)據(jù)倉(cāng)庫(kù)即數(shù)據(jù)挖掘?qū)ο?，可以有一個(gè)或多個(gè)。一般需要對(duì)采集到的數(shù)據(jù)進(jìn)行數(shù)據(jù)清洗與集成操作，這是一個(gè)數(shù)據(jù)預(yù)處理過(guò)程。（2）數(shù)據(jù)庫(kù)或數(shù)據(jù)倉(cāng)庫(kù)服務(wù)器負(fù)責(zé)根據(jù)用戶的數(shù)據(jù)挖掘請(qǐng)求，讀取相關(guān)數(shù)據(jù)。（3）知識(shí)庫(kù)存放數(shù)據(jù)挖掘的領(lǐng)域知識(shí)，用于指導(dǎo)數(shù)據(jù)挖掘的分析過(guò)程，或者用于協(xié)助評(píng)估挖掘結(jié)果。例如，用戶定義的閾值就是一個(gè)最簡(jiǎn)單的領(lǐng)域知識(shí)。數(shù)據(jù)挖掘系統(tǒng)（4）數(shù)據(jù)挖掘引擎包含一組挖掘功能模塊，如關(guān)聯(lián)分析、分類分析、聚類分析等。數(shù)據(jù)挖掘引擎是數(shù)據(jù)挖掘系統(tǒng)中至關(guān)重要的一個(gè)組件。（5）模式評(píng)估即根據(jù)所定制的挖掘目標(biāo)，與數(shù)據(jù)挖掘相結(jié)合，從數(shù)據(jù)挖掘的結(jié)果中獲取有用的信息。數(shù)據(jù)挖掘選用的挖掘算法影響著二者的耦合程度，數(shù)據(jù)挖掘算法與模式評(píng)估的耦合度越強(qiáng)，其挖掘效率就越高。（6）可視化用戶接口提供用戶與數(shù)據(jù)挖掘系統(tǒng)之間的交互界面，用戶可通過(guò)可視化接口提交挖掘需求或任務(wù)給數(shù)據(jù)挖掘系統(tǒng)，數(shù)據(jù)挖掘系統(tǒng)向用戶展示數(shù)據(jù)挖掘結(jié)果。數(shù)據(jù)挖掘系統(tǒng)數(shù)據(jù)挖掘用到的技術(shù)數(shù)據(jù)挖掘系統(tǒng)作為一個(gè)應(yīng)用驅(qū)動(dòng)的領(lǐng)域，數(shù)據(jù)挖掘有機(jī)結(jié)合了多學(xué)科技術(shù)，其中包括高性能計(jì)算、機(jī)器學(xué)習(xí)、數(shù)據(jù)庫(kù)、統(tǒng)計(jì)學(xué)、可視化等許多應(yīng)用領(lǐng)域的大量技術(shù)，如圖所示，這些技術(shù)都促進(jìn)了數(shù)據(jù)挖掘技術(shù)的發(fā)展。（1）分類分析：分類是指按照某種分類模型將具有相同特征的數(shù)據(jù)對(duì)象劃分為同一類。（2）聚類分析：聚類分析是一種創(chuàng)建數(shù)據(jù)對(duì)象集合的方法，這種數(shù)據(jù)集合也稱為簇（Cluster），聚類分析力求使得同簇成員盡可能相似，異簇成員盡可能相異（3）關(guān)聯(lián)分析：關(guān)聯(lián)分析是指找出多個(gè)事物之間具有的規(guī)律性（關(guān)聯(lián)），這一概念最早是由RakeshApwal等人提出的。數(shù)據(jù)挖掘常用的技術(shù)（4）時(shí)序模式分析：時(shí)序模式分析反映的是屬性在時(shí)間上的特征，屬性在時(shí)間維度上如何變化，時(shí)序模式分析試圖在這些歷史數(shù)據(jù)中找到重復(fù)概率較高的模式，從而可以利用已知的數(shù)據(jù)預(yù)測(cè)未來(lái)的值，主要應(yīng)用在產(chǎn)品