數(shù)據(jù)挖掘在大數(shù)據(jù)時(shí)代下的應(yīng)用

史夢(mèng)楚

【摘要】 數(shù)據(jù)挖掘一直是各個(gè)行業(yè)的關(guān)注的重點(diǎn)。近幾年，數(shù)據(jù)挖掘伴隨著大數(shù)據(jù)的火熱開(kāi)始迎來(lái)更大的機(jī)遇。本文介紹了數(shù)據(jù)挖掘相關(guān)的概念，一些常用的數(shù)據(jù)挖掘的分析方法，最后介紹了數(shù)據(jù)挖掘技術(shù)幾個(gè)常見(jiàn)的應(yīng)用領(lǐng)域。

【關(guān)鍵詞】 數(shù)據(jù)挖掘 分析方法 應(yīng)用

一、基本概念介紹

1、大數(shù)據(jù)。2011 年5 月，麥肯錫全球研究院在《大數(shù)據(jù)：創(chuàng)新、競(jìng)爭(zhēng)和生產(chǎn)力的下一個(gè)新領(lǐng)域》中指出，大數(shù)據(jù)是一種規(guī)模大到在獲取、存儲(chǔ)、管理、分析方面大大超出了傳統(tǒng)數(shù)據(jù)庫(kù)軟件工具能力范圍的數(shù)據(jù)集合，具有海量的數(shù)據(jù)規(guī)模、快速的數(shù)據(jù)流轉(zhuǎn)、多樣的數(shù)據(jù)類型和價(jià)值密度低四大特征。數(shù)據(jù)已經(jīng)滲透到每一個(gè)行業(yè)和業(yè)務(wù)職能領(lǐng)域，逐漸成為重要的生產(chǎn)要素；而人們對(duì)于大數(shù)據(jù)的運(yùn)用預(yù)示著新一波生產(chǎn)率增長(zhǎng)和消費(fèi)者盈余浪潮的到來(lái)。據(jù)估計(jì)，在未來(lái)，數(shù)據(jù)將至少保持每年50%的增長(zhǎng)速度。

2、數(shù)據(jù)挖掘。數(shù)據(jù)挖掘是一門新興的學(xué)科，它誕生于20 世紀(jì)80 年代，主要面向商業(yè)應(yīng)用的人工智能研究領(lǐng)域.從技術(shù)角度看，數(shù)據(jù)挖掘就是從大量的、復(fù)雜的、不規(guī)則的、隨機(jī)的、模糊的數(shù)據(jù)中獲取隱含的、人們事先沒(méi)有發(fā)覺(jué)的、有潛在價(jià)值的信息和知識(shí)的過(guò)程.從商業(yè)角度來(lái)說(shuō)，數(shù)據(jù)挖掘就是從龐大的數(shù)據(jù)庫(kù)中抽取、轉(zhuǎn)換、分析一些潛在規(guī)律和價(jià)值，從中獲取輔助商業(yè)決策的關(guān)鍵信息和有用知識(shí)。

二、數(shù)據(jù)挖掘的基本分析方法

分析方法是數(shù)據(jù)挖掘的核心工作，通過(guò)科學(xué)可靠的算法才能實(shí)現(xiàn)數(shù)據(jù)的挖掘，找出數(shù)據(jù)中潛在的規(guī)律。通過(guò)不同的分析方法，將解決不同類型的問(wèn)題，在現(xiàn)實(shí)中針對(duì)不同的分析目標(biāo)，找出相對(duì)應(yīng)的方法。目前常用的分析方法主要有聚類分析、分類和預(yù)測(cè)、關(guān)聯(lián)分析等。

1、聚類分析 。聚類分析就是將物理或抽象對(duì)象的集合進(jìn)行分組，然后組成為由類似或相似的對(duì)象組成的多個(gè)分類的分析過(guò)程，其目的就是通過(guò)相似的方法來(lái)收集數(shù)據(jù)分類。它是一種無(wú)先前知識(shí)，無(wú)監(jiān)督的學(xué)習(xí)過(guò)程，從數(shù)據(jù)對(duì)象中找出有意義的數(shù)據(jù)，然后將其劃分在一個(gè)未知的類。這不同于分類，因?yàn)樗鼰o(wú)法獲知對(duì)象的屬性。“物以類聚，人以群分”，通過(guò)聚類來(lái)分析事物之間類聚的潛在規(guī)律。聚類分析廣泛運(yùn)用于心理學(xué)、統(tǒng)計(jì)學(xué)、醫(yī)學(xué)、生物學(xué)、市場(chǎng)銷售、數(shù)據(jù)識(shí)別、機(jī)器智能學(xué)習(xí)等領(lǐng)域。 聚類分析根據(jù)隸屬度的取值范圍可分為硬聚類和模糊聚類兩種方法。硬聚類就是將對(duì)象劃分到距離最近聚類的類，非此即彼，也就是說(shuō)屬于一類，就必然不屬于另一類。模糊聚類就是根據(jù)隸屬度的取值范圍的大小差異來(lái)劃分類。一個(gè)樣本可能屬于多個(gè)類。常見(jiàn)的聚類算法主要有密度聚類算法、層次聚類算法、劃分聚類算法、網(wǎng)格聚類算法、模型聚類算法等。

2、分類和預(yù)測(cè) 。分類和數(shù)值預(yù)測(cè)是問(wèn)題預(yù)測(cè)的兩種主要類型。分類是預(yù)測(cè)分類（離散、無(wú)序的）標(biāo)號(hào)，而預(yù)測(cè)則是建立連續(xù)值函數(shù)模型。分類是數(shù)據(jù)挖掘的重要基礎(chǔ)，它是對(duì)已知的訓(xùn)練數(shù)據(jù)集表現(xiàn)出來(lái)的特性，獲得每個(gè)類別的描述或?qū)傩詠?lái)構(gòu)造相應(yīng)的分類器或者分類。分類是一種有監(jiān)督的學(xué)習(xí)過(guò)程，它是根據(jù)訓(xùn)練數(shù)據(jù)集發(fā)現(xiàn)準(zhǔn)確描述來(lái)劃分類別。常見(jiàn)的分類算法主要有決策樹(shù)、粗糙集、貝葉斯、遺傳算法、神經(jīng)網(wǎng)路等。預(yù)測(cè)就是根據(jù)分類和回歸來(lái)預(yù)測(cè)將來(lái)的規(guī)律。常見(jiàn)的預(yù)測(cè)方法主要有局勢(shì)外推法、時(shí)間序列法和回歸分析法。

3、關(guān)聯(lián)分析 。在自然界，事物之間存在著千絲萬(wàn)縷的聯(lián)系，當(dāng)某一事件發(fā)生時(shí)，可能會(huì)帶動(dòng)其它事件的發(fā)生。關(guān)聯(lián)分析就是利用事物之間存在的依賴或關(guān)聯(lián)知識(shí)來(lái)發(fā)現(xiàn)事物之間存在的規(guī)律性，然后通過(guò)這種規(guī)律性進(jìn)行預(yù)測(cè)。如經(jīng)典實(shí)例購(gòu)物籃分析，就是通過(guò)分析顧客購(gòu)物籃中物品的管理規(guī)律，來(lái)分析顧客的購(gòu)物心理和習(xí)慣，然后根據(jù)這種規(guī)律來(lái)幫助營(yíng)銷人員制定營(yíng)銷策略。

三、大數(shù)據(jù)時(shí)代的數(shù)據(jù)挖掘的應(yīng)用領(lǐng)域

1、科學(xué)研究。在科學(xué)研究中，經(jīng)常需要分析各種大量的實(shí)驗(yàn)和觀測(cè)數(shù)據(jù)，并找出相關(guān)的規(guī)律和知識(shí).這些數(shù)據(jù)分析和挖掘都需要一定的算法，利用數(shù)據(jù)挖掘技術(shù)能科學(xué)的找出數(shù)據(jù)之間的規(guī)律以及找出我們未發(fā)現(xiàn)的知識(shí).例如，對(duì)外空星體的探索、對(duì)DNA 數(shù)據(jù)的分析等等.

2、制造業(yè)。在制造業(yè)領(lǐng)域，通過(guò)對(duì)零部件生產(chǎn)的各種數(shù)據(jù)分析，來(lái)提高生產(chǎn)效率和提高良品率，如分析造成產(chǎn)品缺陷的環(huán)節(jié)及數(shù)據(jù)，找出生產(chǎn)過(guò)程影響生產(chǎn)率的因素，暴露制造和裝配操作過(guò)程中變化情況等各種因素，從而通過(guò)重點(diǎn)改進(jìn)相關(guān)環(huán)節(jié)及工藝，來(lái)提高企業(yè)的生產(chǎn)效率及利益.

3、電信業(yè)。近些年，隨著電信業(yè)的蓬勃發(fā)展，電信業(yè)的技術(shù)和服務(wù)已經(jīng)成為一個(gè)非常龐大的混合載體，它不僅關(guān)系市場(chǎng)，也關(guān)系到技術(shù)及服務(wù).在將企業(yè)有效資源整合，實(shí)現(xiàn)無(wú)縫連接的過(guò)程中，將產(chǎn)生大量的復(fù)雜數(shù)據(jù)集合，如何從龐雜的數(shù)據(jù)中找尋出規(guī)律和知識(shí)，已成為電信業(yè)的重要問(wèn)題。通過(guò)數(shù)據(jù)挖掘的運(yùn)用，能很好的解決上述問(wèn)題，為行業(yè)的發(fā)展起到很好的作用，如系統(tǒng)負(fù)載、數(shù)據(jù)通信速率和容量、用戶行為、利潤(rùn)率等；采用孤立點(diǎn)分析和聚類方法，查找出盜用模式和異常狀態(tài)；利用關(guān)聯(lián)和序列模式，找出影響電信發(fā)展的相關(guān)因素，更好的推動(dòng)電信業(yè)務(wù)的發(fā)展。

參 考 文 獻(xiàn)

[1]胡天狀.數(shù)據(jù)挖掘技術(shù)在教育決策支持系統(tǒng)中的應(yīng)用[D].杭州：浙江師范大學(xué)，2002.

[2]劉華婷，郭仁祥，姜浩.關(guān)聯(lián)規(guī)則挖掘Apriori算法的研究與改進(jìn)[J].計(jì)算機(jī)應(yīng)用與軟件，2009（1）：146-149.