數據挖掘技術在健康數據分析中的運用

摘 要：在信息高速爆炸的今天，互聯網上每天都會產生著海量的信息，這為我們的生活帶來便利的同時，也帶來了一定的沖擊，那就是如何在這海量的信息中，尋找到真正有用的、安全的信息。在這樣的背景下，數據挖掘技術這項比較新穎的數據庫技術應運而生，具有廣泛的實際應用需求。接下來，文章就簡單分析數據挖掘技術，在此基礎上，探討該技術在健康數據分析中的運用策略，以饗讀者。

關鍵詞：數據挖掘技術;健康數據分析;運用策略

DOI：10.16640/j.cnki.37-1222/t.2019.22.205

0 前言

隨著社會經濟的速猛發展，人們的生活水平日益提高，也越來越重視自身的健康情況，而且隨著當前科技的發展，在健康方面越來越細化，導致醫療保健行業存在著大量的數據亟待處理，這就必須要運用到數據挖掘技術。

1 數據挖掘技術概述

所謂的數據挖據就是在大量不完全且模糊的數據中提取隱藏的、對于人們生活和工作具有極大價值的信息資源的過程。用通俗的話講就是從大量雜亂無序的網絡信息中提取出對人們有用的、有價值的信息?；谶@一定義，數據挖掘技術就是人們在海量數據庫中提取有用信息及知識所采用的方法和手段。

自從國家大力推行“互聯網+”行動以來，各行各業都紛紛采用計算機技術來處理業務，這讓在提高各行業辦事效率的同時，也產生了大量的數據信息，如何在這些海量的數據信息中快速采集、提取有價值的數據信息就成為人們亟待解決的問題。在這樣的背景下，數據挖掘技術應運而生，且越來越得到人們的重視。

隨著人們深入研究數據挖掘技術，逐漸形成了三大核心模塊，那就是：數據庫技術、人工智能技術以及數理統計技術。

2 數據挖掘系統的構成分析

（1）數據庫。數據庫是數據挖掘技術直接操作的對象，而這些數據庫是由一個或者一組能夠在數據中進行相應數據的收集、存儲、集成和處理的數據與信息的倉庫，或者是其他類型的信息資源倉庫。

（2）數據庫服務器。數據庫服務器也是數據挖掘技術重要的組成部分，主要是在處理數據的過程中，根據用戶發出的請求指令，提取相關數據并進行信息反饋的載體。

（3）知識庫。知識庫是數據挖掘系統中十分關鍵的技術之一，其主要作用是：指導用戶搜索、查找并分析的信息集成，也包括根據使用者興趣度進行擬合評估的領域知識。

（4）數據挖掘引擎。數據挖掘引擎數據挖掘系統的基礎核心所在，也是數據挖掘系統重要的構成部分，主要是對特征化的、關聯、分類進行細致的分析，并對其進行演變和偏差的分析。

（5）模式評估模塊。模式評估模塊也是數據挖掘系統的重要構成，同時這一模塊也是人們實現數據挖掘的重要因素。在實際運用中，以興趣度作為度量，然后配合數據挖掘引擎，就可以幫助使用者搜索數據，并進行數據的歸并與聚焦的操作。而且，基于不同的數據挖掘目的，這一模塊就可以用使用者的興趣度閥值為參數，進行相應的評估，然后進行過濾，發現相應的數據，實現數據的挖掘。因此，在實際的應用中，這一模塊一般是結合數據挖掘引擎進行的。

（6）圖形用戶界面。圖形用戶界面是用戶進行數據查詢，或是給出查詢操作指令的主要載體，同時，這一載體還能為用戶提供各種參考信息以及相應的操作提示，此外，這一模塊還能根據使用者的搜索記錄確定并聚焦其興趣度，然后據此進行相應數據的挖掘。

3 數據挖掘技術在健康數據分析中的運用策略

（1）關聯分析。在進行健康數據分析時，隨著數據的收集、存儲及處理，人們可以運用數據挖掘技術，根據被挖掘數據項集之間的有趣關聯與相互聯系，進行關聯分析，從而挖掘出有用的信息數據，并對這些數據進行組織和處理。

（2）聚類方法。在進行健康數據分析時，操作人員可以按照距離或是相似尺寸，把數據分成相互區別的數據組，或是數據集，從而直接挖掘有用的數據結構或模式。

（3）決策樹方法。進行健康數據分析時，還可以使用決策樹的形式。這種運用形式是基于預測模型的算法，進行大規模的數據挖掘，并使大規模數據挖掘的信息描述更加簡單，查找的速度也變得更加快捷。在實際運用中，操作人員根據信息增益，尋找數據庫中最大字段的信息，然后提取出其中對自己最具使用價值的內容，然后依次構建相應決策樹的節點，在此基礎上，逐級建立不同的分枝，并繼續增添子分支。

（4）神經網絡方法。進行健康數據分析時，神經網絡方法也是一種很有效的方法，十分適合健康數據的挖掘和分析。在實際運用中，這種方法是以HEBB的學習規則以及MP模型作為基礎，模擬人腦的神經元，建立起相應的神經網絡模型，然后挖掘、分析并處理健康數據。

（5）遺傳算法。進行健康數據分析時，采用遺傳算法也是很有效的方法。這種方式是一種模擬生物自然選擇及遺傳機理的隨機算法，一般由選擇、重組和突變三個基本算子組成，是一種仿生全局的優化方法。

（6）可視化方法。進行健康數據分析時，還可以運用可視化方法。這種方法能拓寬圖表的展示功能，增強人們的認識能力，使用戶更深入地感知數據反饋，從而更清晰地對數據進行剖析。例如：運用可視化方法，能將數據庫表中的多維數據轉換成線型圖或柱型圖，使數據變得更加直觀，從而幫助用戶更快、更好地理解并掌握相關的健康數據。

4 結束語

綜上所述，隨著現代信息技術的發展，每天互聯網上都出產生海量的信息，其中就包括很多的健康數據信息。采用數據挖掘技術，對這些健康數據進行分析，能幫助人們更快、更好地了解并掌握相關的健康數據，從而更好地為人們服務。

參考文獻：

[1]呂慶莉，郭哲.數據挖掘在中醫體質分析中的應用研究[J].陜西中醫藥大學學報，2018，v.41;No.201（03）：93-97.

[2]董世彪.數據挖掘技術在少年健康體育行為應用中的研究[J].現代電子技術，2017，40（09）：112-114.

[3]劉晨，何曉.醫療健康管理中大數據挖掘分析平臺的應用探討[J].電腦知識與技術，2017，13（7X）：196-198.

作者簡介：王玉（1983-），女，江西九江人，本科，講師，研究方向：大數據、網頁制作。