淺談數據挖掘技術在統計學中的應用

張師瑋

摘 要：隨著社會的發展和科技的進步，各行各業的統計需求都有所增長。在這一過程中，越來越多的先進技術和統計學的傳統方法產生了融合，為我國經濟決策提供了重大幫助。當前，我國一些地區使用的傳統的統計方法已經不能滿足新時代對于社會建設和經濟發展的需要，在很大程度上影響了統計效率。而數據挖掘技術的應用，就讓統計學的整體效率得到了大幅提升，同時，也讓統計的科學性上升到了一個新的臺階。本文針對數據挖掘技術在統計學中的應用展開討論，希望對相關人員有所幫助。

關鍵詞：數據挖掘;統計學;應用

引 言

信息時代的到來，為很多行業的生產效率都大幅提升。尤其在我國進入信息時代之后，互聯網快速普及，現如今已經成為人們日常生活中必不可少的一部分。在統計學中，信息技術的應用也越來越普遍。數據挖掘技術就為統計工作效率的提升帶來了更多可能，互聯網的發展同時也為數據挖掘提供了更多的數據資源，也讓統計學中應用數據挖掘技術取得了更好的效果。

1.數據挖掘技術簡述

網絡的快速發展，使得信息呈現爆炸式增長，尤其在網絡稱為人們生活的一部分之后，人們對網絡的依賴更加嚴重，雖然通過網絡獲得了巨大的便捷，但是不可否認的是，產生的數據信息體量也大幅增長。這在一定程度上阻礙了人們獲取有價值的信息，鑒于這種現狀，數據挖掘技術應運而生。它為人們篩選信息、挖掘有用信息提供了巨大的幫助，讓人們能夠在海量信息中，通過特定的篩選方法，獲得最有價值的信息，讓信息真正服務于生產和生活，做出更好的決策。

數據挖掘技術在實際應用的過程中，也發生了一定程度的變化。它從最開始的數理統計，到后來的人工智能分析，再到后來的機器學習，這一整個過程中，數據挖掘技術的功能越來越強大、效率越來越高。而且，經過多年的發展和實踐，數據挖掘技術的應用領域也越發廣泛，在很多行業中發揮著不可取代的作用，為我國經濟發展提供源源不斷的力量。而且，數據挖掘和其他學科的融合也更加深入，尤其和統計學的融合，為統計工作的效率和準確性提供了更強有力的保障。因為傳統的統計方法沒有辦法針對目標數據進行深入挖掘，不能發現海量數據背后的有價值信息，這樣一來，統計工作的效果就沒法達到預期，影響了統計工作整體質量的提升，更為決策的制定造成了不同程度的影響。而利用數據挖掘技術和統計學進行融合，很多問題就迎刃而解了。它讓很多領域的海量數據處理成為可能，為統計學數據采集范圍得到了空前的提升，同時通過對有價值信息的挖掘，讓統計工作的針對性更強。

2.數據挖掘技術在統計學中的應用

社會在發展的過程中，每時每刻都會產生大量的數據。人們利用現如今強大的計算機設備，能夠對海量數據進行處理，讓自身更加便捷地接觸到有價值信息。在統計學中，數據挖掘技術就發揮著重要的作用。因為數據和字段之間的關系錯綜復雜，有函數相關關系，有關鍵詞對應關系，還有數據引申含義的關系，無論是哪一種關系，要想通過統計方法來獲得其準確的規律，都要對數據進行篩選。這時就需要根據統計學原理，對體量龐大的數據進行有效分析，將其中有價值的信息提取出來，再對其應用統計學方法。比較常見的是神經網絡策略，它是通過計算機模擬人腦，來對數據進行加工和處理的模式，對數據進行分析和處理的效率非常高，而且針對不同類型的數據，還能提供一套相對完善的處理機制，進一步提高統計工作的準確性。網絡上很多信息相對來說比較抽象，利用神經網絡，還能讓統計結果更加具象化、實用化，讓人們能夠更加方便地使用數據。這種處理方法的優勢有很多，最明顯的一個是這種方式是粗集理論策略的具體應用，而且容易操作，不需要給出額外的信息，這樣不僅節省了空間，還能夠提高數據信息的有效性。數據挖掘還能用來發現網絡中的安全隱患，尤其對于那些相對隱蔽的安全隱患來說，數據挖掘能夠發現潛在風險，并由相關人員及時做出應對。

3.數據挖掘技術在統計學中的體現

數據挖掘技術在統計學中的應用雖然能夠帶來非常大的便利，提高統計工作的準確性和效率，但是，要想讓數據挖掘技術充分發揮作用，就要做好準備工作。具體來說，就是要將數據準備好，或者在網絡上劃定一定的數據采集范圍，這樣才能進行有效的挖掘，提高數據挖掘的效率，也更加方便對數據進行簡化，為后續的數據處理工作打下基礎。接下來，在進行數據挖掘的過程中，應當根據具體的需求，根據數據的不同類型，選擇合適的算法，因為只有算法和數據的類型匹配時，才能得到預期的結果。現如今，人工智能技術越來越發達，在進行統計工作時，利用人工智能對數據進行初步的分析也是非常有效的一種方法，它能夠模擬人腦對數據進行篩選，但是相較于人腦，人工智能的篩選速度更快，能夠更為高效地得出有價值的信息，供統計工作使用。利用人工智能得出的有價值信息還能讓后續的分析和評估工作更好地進行，方便統計工作人員進行總結。另外，機器學習也是一種在統計學的基礎上發展起來的技術，它通過對大量的樣本進行分析和總結，發現其中的規律，并形成一套類人的判斷，進而像人腦一樣對某一類事物形成一定的記憶。不過，這種技術的應用前提是在要有數量充足的樣本，這樣，計算機才能通過統計學方法，發現樣本之間的相同和不同，進而完成學習。在這一過程中，計算機需要更加深入地對樣本信息進行分析，挖掘不同樣本信息中的有效內容，并將這些內容進行集中處理，這樣才能完成學習。

結束語

數據挖掘在統計學中的應用非常廣泛，尤其在我國進入信息時代之后，數據挖掘技術更是對統計學產生了巨大影響。人工智能、機器學習等一系列先進的技術，都是在統計學的基礎上發展起來的。相關領域的技術人員應當積極應用數據挖掘技術對傳統的統計學方法進行優化，為生產和生活創造更大的便利。本文簡單分析了數據挖掘技術在統計學中的應用和體現，希望對相關人員有所幫助。

參考文獻

[1] 馬江洪，張文修，徐宗本. 數據挖掘與數據庫知識發現：統計學的觀點[J]. 工程數學學報，2002（01）：1-13.

[2] 安康，韓兆洲. 對統計學領域數據挖掘研究的反思[J]. 統計與決策，2010（10）：4-7.

[3] 孫薇斌. 數據挖掘中統計方法的作用和問題點[J]. 數理統計與管理，2004（05）：78-80+39.