寫(xiě)給數(shù)據(jù)挖掘新人的基礎(chǔ)知識(shí)介紹

在面試提問(wèn)中，談到對(duì)數(shù)據(jù)挖掘的認(rèn)識(shí)，各位童鞋都知道它是一個(gè)巨大數(shù)據(jù)價(jià)值寶庫(kù)，但是該如何理解和利用新一代的計(jì)算技術(shù)和工具來(lái)開(kāi)采數(shù)據(jù)中蘊(yùn)藏的寶藏呢？各種剪不斷理還亂，童鞋們不用再為難自己嘍，來(lái)看看我們?yōu)槟銈兙臏?zhǔn)備的備戰(zhàn)資料吧，說(shuō)不定你就豁然開(kāi)朗啦！

在市場(chǎng)需求和技術(shù)基礎(chǔ)這兩個(gè)因素都具備的環(huán)境下，數(shù)據(jù)挖掘技術(shù)的概念和技術(shù)就應(yīng)運(yùn)而生了。

基本概念

數(shù)據(jù)挖掘(Data Mining)旨在從大量的、不完全的、有噪聲的、模糊的、隨機(jī)的數(shù)據(jù)中, 提取隱含在其中的、人們事先不知道的、但又是潛在有用的信息和知識(shí)。

還有很多和這一術(shù)語(yǔ)相近似的術(shù)語(yǔ),如從數(shù)據(jù)庫(kù)中發(fā)現(xiàn)知識(shí)(KDD)、數(shù)據(jù)分析、數(shù)據(jù)融合(Data Fusion)以及決策支持等。

基本任務(wù)

數(shù)據(jù)挖掘的任務(wù)主要是關(guān)聯(lián)分析、聚類分析、分類、預(yù)測(cè)、時(shí)序模式和偏差分析等。

1關(guān)聯(lián)分析 association analysis　　

關(guān)聯(lián)規(guī)則挖掘由Rakesh Apwal等人首先提出。兩個(gè)或兩個(gè)以上變量的取值之間存在的規(guī)律性稱為關(guān)聯(lián)。數(shù)據(jù)關(guān)聯(lián)是數(shù)據(jù)庫(kù)中存在的一類重要的、可被發(fā)現(xiàn)的知識(shí)。關(guān)聯(lián)分為簡(jiǎn)單關(guān)聯(lián)、時(shí)序關(guān)聯(lián)和因果關(guān)聯(lián)。關(guān)聯(lián)分析的目的是找出數(shù)據(jù)庫(kù)中隱藏的關(guān)聯(lián)網(wǎng)。一般用支持度和可信度兩個(gè)閥值來(lái)度量關(guān)聯(lián)規(guī)則的相關(guān)性，還不斷引入興趣度、相關(guān)性等參數(shù)，使得所挖掘的規(guī)則更符合需求。

2聚類分析 clustering

聚類是把數(shù)據(jù)按照相似性歸納成若干類別，同一類中的數(shù)據(jù)彼此相似，不同類中的數(shù)據(jù)相異。聚 類分析可以建立宏觀的概念，發(fā)現(xiàn)數(shù)據(jù)的分布模式，以及可能的數(shù)據(jù)屬性之間的相互關(guān)系。

3分類 classification

分類就是找出一個(gè)類別的概念描述，它代表了這類數(shù)據(jù)的整體信息，即該類的內(nèi)涵描述，并用這 種描述來(lái)構(gòu)造模型，一般用規(guī)則或決策樹(shù)模式表示。分類是利用訓(xùn)練數(shù)據(jù)集通過(guò)一定的算法而求得分類規(guī)則。分類可被用于規(guī)則描述和預(yù)測(cè)。

4預(yù)測(cè) predication

預(yù)測(cè)是利用歷史數(shù)據(jù)找出變化規(guī)律，建立模型，并由此模型對(duì)未來(lái)數(shù)據(jù)的種類及特征進(jìn)行預(yù)測(cè)。 預(yù)測(cè)關(guān)心的是精度和不確定性，通常用預(yù)測(cè)方差來(lái)度量。

5時(shí)序模式 time-series pattern

時(shí)序模式是指通過(guò)時(shí)間序列搜索出的重復(fù)發(fā)生概率較高的模式。與回歸一樣，它也是用己知的數(shù)據(jù)預(yù)測(cè)未來(lái)的值，但這些數(shù)據(jù)的區(qū)別是變量所處時(shí)間的不同。

6偏差分析 deviation

在偏差中包括很多有用的知識(shí)，數(shù)據(jù)庫(kù)中的數(shù)據(jù)存在很多異常情況，發(fā)現(xiàn)數(shù)據(jù)庫(kù)中數(shù)據(jù)存在的異常情況是非常重要的。偏差檢驗(yàn)的基本方法就是尋找觀察結(jié)果與參照之間的差別。

　　基本技術(shù)1統(tǒng)計(jì)學(xué)

統(tǒng)計(jì)學(xué)雖然是一門(mén)“古老的”學(xué)科，但它依然是最基本的數(shù)據(jù)挖掘技術(shù)，特別是多元統(tǒng)計(jì)分析，如判別分析、主成分分析、因子分析、相關(guān)分析、多元回歸分析等。

2聚類分析和模式識(shí)別

聚類分析主要是根據(jù)事物的特征對(duì)其進(jìn)行聚類或分類，即所謂物以類聚，以期從中發(fā)現(xiàn)規(guī)律和典型模式。這類技術(shù)是數(shù)據(jù)挖掘的最重要的技術(shù)之一。除傳統(tǒng)的基于多元統(tǒng)計(jì)分析的聚類方法外，近些年來(lái)模糊聚類和神經(jīng)網(wǎng)絡(luò)聚類方法也有了長(zhǎng)足的發(fā)展。

3決策樹(shù)分類技術(shù)

決策樹(shù)分類是根據(jù)不同的重要特征，以樹(shù)型結(jié)構(gòu)表示分類或決策集合，從而產(chǎn)生規(guī)則和發(fā)現(xiàn)規(guī)律。

4人工神經(jīng)網(wǎng)絡(luò)和遺傳基因算法

人工神經(jīng)網(wǎng)絡(luò)是一個(gè)迅速發(fā)展的前沿研究領(lǐng)域，對(duì)計(jì)算機(jī)科學(xué) 人工智能、認(rèn)知科學(xué)以及信息技術(shù)等產(chǎn)生了重要而深遠(yuǎn)的影響，而它在數(shù)據(jù)挖掘中也扮演著非常重要的角色。人工神經(jīng)網(wǎng)絡(luò)可通過(guò)示例學(xué)習(xí)，形成描述復(fù)雜非線性系統(tǒng)的非線性函數(shù)，這實(shí)際上是得到了客觀規(guī)律的定量描述，有了這個(gè)基礎(chǔ)，預(yù)測(cè)的難題就會(huì)迎刃而解。目前在數(shù)據(jù)挖掘中，最常使用的兩種神經(jīng)網(wǎng)絡(luò)是BP網(wǎng)絡(luò)和RBF網(wǎng)絡(luò) 不過(guò)，由于人工神經(jīng)網(wǎng)絡(luò)還是一個(gè)新興學(xué)科，一些重要的理論問(wèn)題尚未解決。

5規(guī)則歸納

規(guī)則歸納相對(duì)來(lái)講是數(shù)據(jù)挖掘特有的技術(shù)。它指的是在大型數(shù)據(jù)庫(kù)或數(shù)據(jù)倉(cāng)庫(kù)中搜索和挖掘以往不知道的規(guī)則和規(guī)律，這大致包括以下幾種形式：IF … THEN …

6可視化技術(shù)

可視化技術(shù)是數(shù)據(jù)挖掘不可忽視的輔助技術(shù)。數(shù)據(jù)挖掘通常會(huì)涉及較復(fù)雜的數(shù)學(xué)方法和信息技術(shù)，為了方便用戶理解和使用這類技術(shù)，必須借助圖形、圖象、動(dòng)畫(huà)等手段形象地指導(dǎo)操作、引導(dǎo)挖掘和表達(dá)結(jié)果等，否則很難推廣普及數(shù)據(jù)挖掘技術(shù)。

　實(shí)施步驟

數(shù)據(jù)挖掘的過(guò)程可以分為6個(gè)步驟：

1) 理解業(yè)務(wù)：從商業(yè)的角度理解項(xiàng)目目標(biāo)和需求，將其轉(zhuǎn)換成一種數(shù)據(jù)挖掘的問(wèn)題定義，設(shè)計(jì)出達(dá)到目標(biāo)的一個(gè)初步計(jì)劃。

2) 理解數(shù)據(jù)：收集初步的數(shù)據(jù)，進(jìn)行各種熟悉數(shù)據(jù)的活動(dòng)。包括數(shù)據(jù)描述，數(shù)據(jù)探索和數(shù)據(jù)質(zhì)量驗(yàn)證等。

3) 準(zhǔn)備數(shù)據(jù)：將最初的原始數(shù)據(jù)構(gòu)造成最終適合建模工具處理的數(shù)據(jù)集。包括表、記錄和屬性的選擇，數(shù)據(jù)轉(zhuǎn)換和數(shù)據(jù)清理等。

4) 建模：選擇和應(yīng)用各種建模技術(shù)，并對(duì)其參數(shù)進(jìn)行優(yōu)化。

5) 模型評(píng)估：對(duì)模型進(jìn)行較為徹底的評(píng)價(jià)，并檢查構(gòu)建模型的每個(gè)步驟，確認(rèn)其是否真正實(shí)現(xiàn)了預(yù)定的商業(yè)目的。

6) 模型部署：創(chuàng)建完模型并不意味著項(xiàng)目的結(jié)束，即使模型的目的是為了增進(jìn)對(duì)數(shù)據(jù)的了解，所獲得的知識(shí)也要用一種用戶可以使用的方式來(lái)組織和表示。通常要將活動(dòng)模型應(yīng)用到?jīng)Q策制訂的過(guò)程中去。該階段可以簡(jiǎn)單到只生成一份報(bào)告，也可以復(fù)雜到在企業(yè)內(nèi)實(shí)施一個(gè)可重復(fù)的數(shù)據(jù)挖掘過(guò)程?？刂频玫狡毡槌姓J(rèn)。