數據挖掘綜述

于慧凝

摘 要：數據采掘是數據庫技術、人工智能、機器學習、統計分析、模糊邏輯、模式識別、人工神經網絡等多個學科相結合的產物。最后探討了數據挖掘的發展趨勢，這對我國的數據挖掘研究具有一定的參考價值。

關鍵詞：數據挖掘；發展前景

一、引 言

數據挖掘（DataMining），又稱數據庫中的知識發現（KnowledgeDiscovery in Database）， 數據挖掘從一個新的視角將數據庫技術、統計學、機器學習、信息檢索技術、數據可視化和模式識別與人工智能等領域有機結合起來，它能組合各個領域的優點，從而能從數據中挖掘到其他傳統方法不能發現的有用知識。在最近幾年里已被數據庫界所廣泛研究，隨著計算機應用的越來越廣泛，每年都要積累大量的數據，運用數據挖掘技術，在這些數據當中我們可以找出“金子”來。

二、數據挖掘應用

數據挖掘是面向實際應用的技術，現在已經廣泛應用于金融、銀行、農業、制造業、零售業、電信、醫療衛生、教育和生物科學等領域。在信息技術方面，將數據挖掘技術應用到搜索引擎領域，從而產生智能搜索引擎，將會給用戶提供一個高效、準確的Web檢索工具。在醫療衛生方面，探討了各種數據挖掘方法在生物醫學研究領域中的應用，可以用分類方法對疾病進行診斷，用神經網絡、支持向量機等數據挖掘方法對某些疾病進行預測，研究表明，預測效果良好。在研究MRI乳腺非腫塊樣強化病灶對乳腺癌的診斷時，發現決策樹模型的靈敏度、特異性和準確率等性能均優于傳統統計學中的 logistic 回歸模型。

三、數據挖掘發展趨勢

目前數據挖掘技術的研究已成為國內外研究的熱點，最近幾年在國內發展迅速，今后該領域發展的趨勢可能主要表現在以下幾方面：

（1）隨著互聯網技術的發展，網絡上的資源越來越多，如何通過數據挖掘技術對互聯網上的資源進行挖掘，并從中發現有用的信息，將成為一個熱點問題。Web 數據挖掘目前的研究雖然比較多，但是還有很多不足，需要進一步研究完善。

（2）數據挖掘算法的改進和數據挖掘可視化。數據挖掘算法一般要處理海量的數據，如何在算法效率和算法準確度之間尋找平衡點，是一個值得研究的課題。另外，數據挖掘結果的友好可視化展現也是一個重要的研究課題。

（3）多媒體數據挖掘。多媒體包含視頻、音頻、圖像等，這些數據的結構往往比較復雜，傳統的數據挖掘算法處理多媒體數據效果比較差。為了挖掘多媒體資源，需要設計和開發更好的數據挖掘算法。

（4）數據挖掘和隱私保護。數據挖掘的個人隱私與信息安全問題備受人們關注。誤用和濫用數據挖掘可能導致用戶數據特別是敏感信息的泄露，越來越多的人對此表示擔憂，如何在不暴露用戶隱私的前提下進行數據挖掘，將成為非常值得關注的研究課題。

（5）數據挖掘技術與其他系統的集成。數據挖掘應該是一個完整的過程，不單單是一個算法，為了將數據挖掘技術更好地應用于現實生活中，需要研究如何將數據挖掘與其他系統有機地集成，從而最大化地發揮數據挖掘的優勢。

（6）空間和時序數據挖掘。空間數據庫與關系數據庫不同，空間數據庫具有豐富的數據類型，帶有拓撲、距離信息，空間數據有很強的局部相關性等特點。挖掘空間數據庫需要特殊的數據挖掘方法。另外，有一類數據集的數據之間存在著時間上的關系，這類數據被稱為時序數據。在對時列數據進行挖掘的過程中，必須考慮數據集數據間存在時間上的關系，如何高效地處理空間和時序數據，仍有大量問題需要解決。

（7） 適合中小企業使用的數據挖掘系統。目前國外著名的數據挖掘軟件有：SAS Enterprise Min-er、SPSS Clementine（現被IBM收購并改名為IBMSPSS Modeler）和RapidMiner（開源）等 。除開源軟件外，數據挖掘軟件一般價格昂貴，中小企業往往望而卻步。針對我國中小企業的特點，開發一套適合我國國情的數據挖掘軟件具有重要的現實意義。

四、結束語

總之，數據挖掘只是一個工具，但不是萬能的，它可以發現一些潛在的用戶，但是不會告訴你為什么，也不能保證這些潛在的用戶成為現實。數據挖掘的成功要求對期望解決問題的領域有深刻的了解，理解數據，了解其過程，才能對數據挖掘的結果找出合理的解釋。例如曾經用數據挖掘找出的啤酒和尿布的例子，如何去解釋這種現象，是應該將兩者放在一起還是分開銷售，這還需要對消費心理學有所研究才能做出決定，而不是數據挖掘能力所及的了。

參考文獻：

[1]朱明.數據挖挖掘[M].合肥：中國科學技術大學出版社，2003.

[2]邵峰晶、于忠清.數據挖掘原理與算法[M].北京：中國水利水電出版社，2003.

[3]范明.數據挖掘概念與技術[M].北京：機械工業出版社，2001.

[4]夏火松主編.數據倉庫與數據挖掘技術[M].北京：科學出版社.