數(shù)據(jù)挖掘的名詞解釋？數(shù)據(jù)挖掘是指通過算法從大量數(shù)據(jù)中尋找隱藏信息的過程。數(shù)據(jù)挖掘通常與計算機科學(xué)有關(guān)，利用統(tǒng)計學(xué)、聯(lián)機分析處理、信息檢索、機器學(xué)習(xí)、專家系統(tǒng)(依靠過去的經(jīng)驗規(guī)則)、模式識別等多種方法來

數(shù)據(jù)挖掘的名詞解釋？

數(shù)據(jù)挖掘是指通過算法從大量數(shù)據(jù)中尋找隱藏信息的過程。

數(shù)據(jù)挖掘通常與計算機科學(xué)有關(guān)，利用統(tǒng)計學(xué)、聯(lián)機分析處理、信息檢索、機器學(xué)習(xí)、專家系統(tǒng)(依靠過去的經(jīng)驗規(guī)則)、模式識別等多種方法來達到上述目的。

數(shù)據(jù)挖掘?qū)ο?/p>

1.數(shù)據(jù)類型可以是結(jié)構(gòu)化的、半結(jié)構(gòu)化的，甚至是異構(gòu)的。知識發(fā)現(xiàn)的方法可以是數(shù)學(xué)的、非數(shù)學(xué)的或歸納的。最終發(fā)現(xiàn)的知識可用于信息管理、查詢優(yōu)化、決策支持和數(shù)據(jù)維護。

2.數(shù)據(jù)挖掘的對象可以是任何類型的數(shù)據(jù)源。可以是關(guān)系數(shù)據(jù)庫，是包含結(jié)構(gòu)化數(shù)據(jù)的數(shù)據(jù)源；也可以是數(shù)據(jù)倉庫、文本、多媒體數(shù)據(jù)、空間數(shù)據(jù)、時間序列數(shù)據(jù)、Web數(shù)據(jù)等包含半結(jié)構(gòu)化數(shù)據(jù)甚至異構(gòu)數(shù)據(jù)的數(shù)據(jù)源。

3.知識發(fā)現(xiàn)的方法可以是數(shù)字的、非數(shù)字的或歸納的。最終發(fā)現(xiàn)的知識可用于信息管理、查詢優(yōu)化、決策支持和數(shù)據(jù)維護。

數(shù)據(jù)挖掘步驟

在實施數(shù)據(jù)挖掘之前，要想好要走什么步驟，每一步要做什么，要達到什么目標(biāo)。一個好的計劃可以保證數(shù)據(jù)挖掘的有序?qū)嵤┖统晒?。許多軟件供應(yīng)商和數(shù)據(jù)挖掘咨詢公司都提供了一些數(shù)據(jù)挖掘過程模型來指導(dǎo)他們的用戶一步步地進行數(shù)據(jù)挖掘。比如SPSS的5A，SAS的SEMMA。

數(shù)據(jù)挖掘過程模型的步驟主要包括定義問題、建立數(shù)據(jù)挖掘數(shù)據(jù)庫、分析數(shù)據(jù)、準(zhǔn)備數(shù)據(jù)、建立模型、評估模型和實施。我們來看看每個步驟的具體內(nèi)容：

(1)定義問題。知識發(fā)現(xiàn)之前的第一個也是最重要的要求是理解數(shù)據(jù)和業(yè)務(wù)問題。我們必須有一個明確的目標(biāo)定義，也就是決定我們要做什么。比如你想提高電子郵件的利用率，你想做的可能是“提高用戶的利用率”，或者是“提高一個用戶的使用價值”。要解決這兩個問題，建立的模型幾乎完全不同，必須做出決定。

(2)建立數(shù)據(jù)挖掘數(shù)據(jù)庫。數(shù)據(jù)挖掘數(shù)據(jù)庫的建立包括以下步驟：數(shù)據(jù)收集、數(shù)據(jù)描述、數(shù)據(jù)選擇、數(shù)據(jù)質(zhì)量評估和數(shù)據(jù)清洗、合并與集成、元數(shù)據(jù)構(gòu)建、數(shù)據(jù)挖掘數(shù)據(jù)庫加載和數(shù)據(jù)挖掘數(shù)據(jù)庫維護。

(3)分析數(shù)據(jù)。分析的目的是找到對預(yù)測輸出影響最大的數(shù)據(jù)字段，并決定是否需要定義導(dǎo)出字段。如果數(shù)據(jù)集包含數(shù)百個字段，那么瀏覽和分析這些數(shù)據(jù)將是非常耗時和累人的。這時候你就需要選擇一個界面好，功能強大的工具軟件來幫你完成這些事情。

(4)準(zhǔn)備資料。這是建立模型前數(shù)據(jù)準(zhǔn)備的最后一步。這一步可以分為四個部分：選擇變量、選擇記錄、創(chuàng)建新變量和轉(zhuǎn)換變量。

(5)建立模型。建立模型是一個迭代的過程。有必要仔細檢查不同的模型，以確定哪一個對業(yè)務(wù)問題最有用。首先用一部分數(shù)據(jù)建立模型，然后用剩下的數(shù)據(jù)對得到的模型進行檢驗和驗證。有時會有第三個數(shù)據(jù)集，稱為驗證集，因為測試集可能會受到模型特征的影響。這時候就需要一個獨立的數(shù)據(jù)集來驗證模型的準(zhǔn)確性。訓(xùn)練和測試數(shù)據(jù)挖掘模型需要將數(shù)據(jù)至少分成兩部分，一部分用于模型訓(xùn)練，另一部分用于模型測試。

(6)評價模型。模型建立后，我們必須對結(jié)果進行評估，并解釋模型的價值。從測試集中獲得的準(zhǔn)確性僅對用于構(gòu)建模型的數(shù)據(jù)有意義。在實際應(yīng)用中，有必要進一步了解錯誤的類型和相關(guān)成本。經(jīng)驗證明，有效的模式不一定是正確的模式。造成這種情況的直接原因是模型建立中隱含的各種假設(shè)。因此，在現(xiàn)實世界中直接測試模型是很重要的。先小范圍應(yīng)用，拿到測試數(shù)據(jù)，感覺滿意后再大面積推廣。

(7)實施。模型建立并驗證后，主要有兩種使用方法。首先是為分析師提供參考；二是將該模型應(yīng)用于不同的數(shù)據(jù)集。