大数据挖掘常用方法计算机数据挖掘与模式识别_计算机-数据挖掘与模式识别.pdf

《大数据挖掘常用方法计算机数据挖掘与模式识别_计算机-数据挖掘与模式识别.pdf》由会员分享，可在线阅读，更多相关《大数据挖掘常用方法计算机数据挖掘与模式识别_计算机-数据挖掘与模式识别.pdf（3页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、数据挖掘常用的方法 在大数据时代，数据挖掘是最关键的工作。大数据的挖掘是从海量、不完全 的、有噪声的、模糊的、随机的大型数据库中发现隐含在其中有价值的、潜在有 用的信息和知识的过程，也是一种决策支持过程。其主要基于人工智能，机器学 习，模式学习，统计学等。通过对大数据高度自动化地分析，做出归纳性的推理，从中挖掘出潜在的模式，可以帮助企业、商家、用户调整市场政策、减少风险、理性面对市场，并做出正确的决策。目前，在很多领域尤其是在商业领域如银行、电信、电商等，数据挖掘可以解决很多问题，包括市场营销策略制定、背景分析、企业管理危机等。大数据的挖掘常用的方法有分类、回归分析、聚类、关联规则、神经网络方

2、法、Web 数据挖掘等。这些方法从不同的角度对数据进行挖掘。(1)分类。分类是找出数据库中的一组数据对象的共同特点并按照分类模式将 其划分为不同的类，其目的是通过分类模型，将数据库中的数据项映射到摸个给 定的类别中。可以应用到涉及到应用分类、趋势预测中，如淘宝商铺将用户在一 段时间内的购买情况划分成不同的类，根据情况向用户推荐关联类的商品，从而 增加商铺的销售量。(2)回归分析。回归分析反映了数据库中数据的属性值的特性，通过函数表达 数据映射的关系来发现属性值之间的依赖关系。它可以应用到对数据序列的预测 及相关关系的研究中去。在市场营销中，回归分析可以被应用到各个方面。如通 过对本季度销售的回

3、归分析，对下一季度的销售趋势作出预测并做出针对性的营 销改变。(3)聚类。聚类类似于分类，但与分类的目的不同，是针对数据的相似性和差 异性将一组数据分为几个类别。属于同一类别的数据间的相似性很大，但不同类 别之间数据的相似性很小，跨类的数据关联性很低。(4)关联规则。关联规则是隐藏在数据项之间的关联或相互关系，即可以根据 一个数据项的出现推导出其他数据项的出现。关联规则的挖掘过程主要包括两个 阶段：第一阶段为从海量原始数据中找出所有的高频项目组;第二极端为从这些 高频项目组产生关联规则。关联规则挖掘技术已经被广泛应用于金融行业企业中 用以预测客户的需求，各银行在自己的 ATM 机上通过捆绑客户

4、可能感兴趣的信 息供用户了解并获取相应信息来改善自身的营销。(5)神经网络方法。神经网络作为一种先进的人工智能技术，因其自身自行处 理、分布存储和高度容错等特性非常适合处理非线性的以及那些以模糊、不完整、不严密的知识或数据为特征的处理问题，它的这一特点十分适合解决数据挖掘的 问题。典型的神经网络模型主要分为三大类：第一类是以用于分类预测和模式识 别的前馈式神经网络模型，其主要代表为函数型网络、感知机;第二类是用于联 想记忆和优化算法的反馈式神经网络模型，以 Hopfield 的离散模型和连续模型 为代表。第三类是用于聚类的自组织映射方法，以 ART 模型为代表。虽然神经 网络有多种模型及算法，

5、但在特定领域的数据挖掘中使用何种模型及算法并没有 统一的规则，而且人们很难理解网络的学习及决策过程。(6)Web 数据挖掘。Web 数据挖掘是一项综合性技术，指 Web 从文档结构和 使用的集合 C中发现隐含的模式 P,如果将 C看做是输入，P看做是输出，那 么 Web 挖掘过程就可以看做是从输入到输出的一个映射过程。当前越来越多的 Web 数据都是以数据流的形式出现的，因此对 Web 数据 流挖掘就具有很重要的意义。目前常用的 Web 数据挖掘算法有：PageRan 算法,HITS 算法以及 LOGSOM 算法。这三种算法提到的用户都是笼统的用户，并没 有区分用户的个体。目前 Web 数据挖

6、掘面临着一些问题,包括：用户的分类问 题、网站内容时效性问题,的大型数据库中发现隐含在其中有价值的潜在有用的信息和知识的过程也是一种决策支持过程其主要基于人工智能机器学习模式学习统计学等通过对大数据高度自动化地分析做出归纳性的推理从中挖掘出潜在的模式可以帮助企业商等数据挖掘可以解决很多问题括市场营销策略制定背景分析企业管理危机等大数据的挖掘常用的方法有分类回归分析聚类关联规则神经网络方法数据挖掘等这些方法从不同的角度对数据进行挖掘分类分类是找出数据库中的一组数据的类别中可以应用到涉及到应用分类趋势预测中如淘宝商铺将用户在一段时间内的购买情况划分成不同的类根据情况向用户推荐关联类的商品从而增加商

7、铺的销售量回归分析回归分析反映了数据库中数据的属性值的特性通过函数表用户在页面停留时间问题,页面的链入与链出数问题 等。在 Web 技术高速发展的今天,这些问题仍旧值得研究并加以解决。的大型数据库中发现隐含在其中有价值的潜在有用的信息和知识的过程也是一种决策支持过程其主要基于人工智能机器学习模式学习统计学等通过对大数据高度自动化地分析做出归纳性的推理从中挖掘出潜在的模式可以帮助企业商等数据挖掘可以解决很多问题括市场营销策略制定背景分析企业管理危机等大数据的挖掘常用的方法有分类回归分析聚类关联规则神经网络方法数据挖掘等这些方法从不同的角度对数据进行挖掘分类分类是找出数据库中的一组数据的类别中可以应用到涉及到应用分类趋势预测中如淘宝商铺将用户在一段时间内的购买情况划分成不同的类根据情况向用户推荐关联类的商品从而增加商铺的销售量回归分析回归分析反映了数据库中数据的属性值的特性通过函数表