數據挖掘在日常生活中的應用

趙敏

摘要：數據挖掘是KDD中特定情況下的一個步驟。大部分人是通過啤酒+尿布的案例認識到數據挖掘，不少人也通過這個有趣的故事開始接觸數據挖掘。大數據能夠讓企業測量出之前被認為無法計算的信息。使用這些信息，分析師能發現新的工業模式并能更好的了解客戶的動機，興趣愛好和討厭的東西。更多得了解什么能讓客戶做出選擇，能夠為通向新的商業機會創造出更多的可能，也能夠讓企業發布出令客戶感興趣的內容和產品。比如現在的“瀑布流”，就是企業根據網民平常瀏覽互聯網信息的類型，基于用戶搜索習慣、興趣愛好、歸屬地、年齡、區域、商圈等等大數據信息，挖掘并分析出來跟本人相匹配的廣告信息推送給你。

關鍵詞：數據挖掘;應用方向;數據分析;算法

中圖分類號：TP311.13文獻標識碼：A文章編號：1672-9129（2020）07-0115-01

Abstract：Data mining is a step in a specific situation in KDD. Most people got to know about data mining through the beer and diapers case， and a lot of people got to know about data mining through this interesting story. Big data allows companies to measure information that was previously considered uncomputable. Using this information， analysts can discover new industry patterns and better understand customers' motivations， interests and annoyances. Learning more about what enables customers to make choices creates more possibilities for new business opportunities and enables companies to deliver content and products that will be of interest to customers. For example， the current "waterfall flow" is that enterprises mine and analyze the advertising information matching themselves to you based on the user's search habits， interests， place of residence， age， region， business circle and other big data based on the type of Internet information that netizens usually browse.

Key words：data mining;Application direction;Data analysis;algorithm

1項目分析

隨著科技的快速發展，我們出現了多種多樣的新興產物，因此，所需要學習的知識就更多了。在我們的日常生活中，對數據分析的要求也越來越高了。本次研究，就是想要探尋在我們日常生活中，數據挖掘帶給了我們那些便利，以及其中我們需要具備和掌握那些知識。

2數據挖掘技術

數據挖掘技術應用十分廣泛，該技術融合了數理統計、模糊數學、機器學習、模式識別、人工智能和數據庫技術等技術潮流的研究成果，能夠很好的在商業智能和決策分析中發揮作用。同時數據挖掘技術廣泛應用于商業、醫學、教育等行業。數據挖掘技術的發展對于我們每個人來說都具有十分重要的意義。

數據挖掘可以解決許多問題，但在實現的過程中是一個非常繁瑣的過程，并有豐富的計算機基礎才能實現。隨著信息技術的發展，出現了許多數據挖掘的工具，比如NLPIR分析平臺是相較于其它系統都是占據優勢的系統，該系統主要是側重大數據內容采編挖搜的綜合需求，它是網絡精準采集、自然語言理解、文本挖掘和語義搜索強強聯合的最新研究成果，并且先后經歷了近二十年的不斷創新，取得今天的輝煌成就。

3數據挖掘在醫學中的應用

數據挖掘在醫學中的應用。數據挖掘是醫學的一次時代轉折點。在醫學上，數據挖掘可以做到：分析電子病歷、分析醫院系統、管理數據用于公共健康研究、循證醫學、降低再入院率、保護病人的身份信息、創建更高效的診所等。數據挖掘在醫學中最常用的算法就是Relief算法和K-means聚類算法。Relief算法比較簡單，運行的效率也很高，所以被人們廣泛使用。但是它只能處理兩類別的數據，后來Relief算法也得到了很多的創新和發展。K-means算法是一種常用的聚類算法。該算法首先初始化質心，然后判斷各個質心間的距離，按照就近原則分配，最后計算質心。不斷重復當前的操作，目標函數最小時結束操作。數據挖掘不僅在西醫的領域做出來巨大貢獻，在我國古老的中醫文化中也是如此。數據挖掘分析了大量中草藥的功效數據，讓醫學更加具有科學性。

4數據挖掘在商業中的應用

數據挖掘在商業數據分析值也起到了重要的作用。數據挖掘可以將客戶群體細分，然后針對每一個不同的群體定制相應的、最好的服務。同時也做到了模擬現實的環境場景，不斷發現用戶的新需求，同時公司可以提高投資的回報率。并可以加強各個部門之間的聯系，穩步地提高整條管理鏈條和產業鏈條的效率。還降低了公司的服務成本，相對之前更容易的發現了隱藏線索，再進行相應產品和服務的創新。

數據挖掘在商業中最常用的算法有：神經網絡算法、遺傳算法、粗糙集算法，模糊集方法等。其中神經網絡方法自身具有容錯性能高、采用分布存儲、處理機制為并行處理和有很強的組織性和適應性等。因此多用于處理數據挖掘中可能遇到的一些問題。遺傳算法：能夠很好的與其它模型結合、也具有并行性等特性，被靈活的應用在神經網絡、粗集技術的結合中。粗糙集算法是一種多用于不準確知識的工具，其優點是節省空間，算法較為簡單，容易理解和操作。模糊集方法是對具體的問題做判斷、決策、識別和分析操作。系統的模糊性是隨著復雜性增高而增高的。

5數據挖掘在教育中的應用

數據挖掘在教育中的應用。數據挖掘能夠幫助老師和學生更好的總結近期的學習狀況，科學有效的分析相關數據信息。例如可以運用大數據設計教育環境，完善教學的場景，配置教育試驗場景等，這些都能夠充分的調用學生群體在學習領域中的主動性和積極性，對教育領域的發展有不可估量的作用。數據挖掘對于我們的教育做出的突出貢獻主要有這幾方面：適應性教學支持、教學規律發現、信息化校園管理。數據挖掘在教育領域里具有著十分強大的發展機遇，但同時也面臨著很多的挑戰。現在的數據挖掘在教育領域中還算是開始階段。相關方向的研究特點鮮明，能夠突出其中的優越性。在這個科技快速發展的新時代，我們應該直面數據挖掘在教育中的困難和挑戰，不斷創新，不斷實踐，多方面考量，最后達成最好的效果。

6結論

數據挖掘在我們的日常生活中的應用是方方面面的，帶給我們的不僅僅是利益，更多的是科技的進步，人民的發展，國家的強盛。在數據挖掘這個新時代下，我們的生活也變得多姿多彩起來了。數據挖掘教會我們用一個嶄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完美的結合起來，將每一個知識的優點都發揮到極致，在不斷創新、發展的過程中，我們將收獲比傳統方法更多更有效的知識。因此，數據挖掘在我們的日常生活中發揮著重要的作用。以后的時代，數據挖掘將會不斷發展，迎來高峰。

參考文獻：

[1]伍永鋒.基于大數據的計算機數據挖掘技術在檔案管理系統中的應用[J].信息與電腦（理論版），2019，13（11）：166-167.

[2]段彬，魏巍.數據挖掘在軟件工程領域中的應用淺析[J].信息系統工程，2018（04）：89.