數(shù)據(jù)挖掘基礎(chǔ)知識介紹_數(shù)據(jù)分析師培訓(xùn)

一  數(shù)據(jù)挖掘技術(shù)的基本概念
        隨著計算機技術(shù)的發(fā)展，各行各業(yè)都開始采用計算機及相應(yīng)的信息技術(shù)進(jìn)行管理和運營，這使得企業(yè)生成、收集、存貯和處理數(shù)據(jù)的能力大大提高，數(shù)據(jù)量與日俱增。企業(yè)數(shù)據(jù)實際上是企業(yè)的經(jīng)驗積累，當(dāng)其積累到一定程度時，必然會反映出規(guī)律性的東西；對企業(yè)來，堆積如山的數(shù)據(jù)無異于一個巨大的寶庫。在這樣的背景下，人們迫切需要新一代的計算技術(shù)和工具來開采數(shù)據(jù)庫中蘊藏的寶藏，使其成為有用的知識，指導(dǎo)企業(yè)的技術(shù)決策和經(jīng)營決策，使企業(yè)在競爭中立于不敗之地。另一方面，近十余年來，計算機和信息技術(shù)也有了長足的進(jìn)展，產(chǎn)生了許多新概念和新技術(shù)，如更高性能的計算機和操作系統(tǒng)、因特網(wǎng)(intemet)、數(shù)據(jù)倉庫(datawarehouse)、神經(jīng)網(wǎng)絡(luò)等等。在市場需求和技術(shù)基礎(chǔ)這兩個因素都具備的環(huán)境下，數(shù)據(jù)挖掘技術(shù)或稱KDD(KnowledgeDiscovery in Databases；數(shù)據(jù)庫知識發(fā)現(xiàn))的概念和技術(shù)就應(yīng)運而生了。
       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。(CDA數(shù)據(jù)分析師培訓(xùn))還有很多和這一術(shù)語相近似的術(shù)語,如從數(shù)據(jù)庫中發(fā)現(xiàn)知識(KDD)、數(shù)據(jù)分析、數(shù)據(jù)融合(Data Fusion)以及決策支持等。 
 
二 數(shù)據(jù)挖掘的基本任務(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、時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。兩個或兩個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)庫中存在的一類重要的、可被發(fā)現(xiàn)的知識。關(guān)聯(lián)分為簡單關(guān)聯(lián)、時序關(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)庫中隱藏的關(guān)聯(lián)網(wǎng)。一般用支持度和可信度兩個閥值來度量關(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   種描述來構(gòu)造模型，一般用規(guī)則或決策樹模式表示。分類是利用訓(xùn)練數(shù)據(jù)集通過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。 
4. 預(yù)測(predication)
    預(yù)測是利用歷史數(shù)據(jù)找出變化規(guī)律，建立模型，并由此模型對未來數(shù)據(jù)的種類及特征進(jìn)行預(yù)測。    預(yù)測關(guān)心的是精度和不確定性，通常用預(yù)測方差來度量。 
5. 時序模式(time-series pattern)
    時序模式是指通過時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)測未來的值，但這些數(shù)據(jù)的區(qū)別是變量所處時間的不同?！　?/span>
6. 偏差分析(deviation)
    在偏差中包括很多有用的知識，數(shù)據(jù)庫中的數(shù)據(jù)存在很多異常情況，發(fā)現(xiàn)數(shù)據(jù)庫中數(shù)據(jù)存在的異常情況是非常重要的。偏差檢驗的基本方法就是尋找觀察結(jié)果與參照之間的差別。 
 
三 數(shù)據(jù)挖掘常的基本技術(shù)
1. 統(tǒng)計學(xué)
    統(tǒng)計學(xué)雖然是一門“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. 聚類分析和模式識別
    聚類分析主要是根據(jù)事物的特征對其進(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)計分析的聚類方法外，近些年來模糊聚類和神經(jīng)網(wǎng)絡(luò)聚類方法也有了長足的發(fā)展。 
3. 決策樹分類技術(shù)
   決策樹分類是根據(jù)不同的重要特征，以樹型結(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)是一個迅速發(fā)展的前沿研究領(lǐng)域，對計算機科學(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)，這實際上是得到了客觀規(guī)律的定量描述，有了這個基礎(chǔ)，預(yù)測的難題就會迎刃而解。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，由于人工神經(jīng)網(wǎng)絡(luò)還是一個新興學(xué)科，一些重要的理論問題尚未解決。 
5. 規(guī)則歸納
    規(guī)則歸納相對來講是數(shù)據(jù)挖掘特有的技術(shù)。它指的是在大型數(shù)據(jù)庫或數(shù)據(jù)倉庫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、動畫等手段形象地指導(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)。 
 
四 數(shù)據(jù)挖掘技術(shù)實施的步驟
數(shù)據(jù)挖掘的過程可以分為6個步驟：
1)      理解業(yè)務(wù)：從商業(yè)的角度理解項目目標(biāo)和需求，將其轉(zhuǎn)換成一種數(shù)據(jù)挖掘的問題定義，設(shè)計出達(dá)到目標(biāo)的一個初步計劃。
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。包括數(shù)據(jù)描述，數(shù)據(jù)探索和數(shù)據(jù)質(zhì)量驗證等。
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)，并對其參數(shù)進(jìn)行優(yōu)化。
5)      模型評估：對模型進(jìn)行較為徹底的評價，并檢查構(gòu)建模型的每個步驟，確認(rèn)其是否真正實現(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目的結(jié)束，即使模型的目的是為了增進(jìn)對數(shù)據(jù)的了解，所獲得的知識也要用一種用戶可以使用的方式來組織和表示。通常要將活動模型應(yīng)用到?jīng)Q策制訂的過程中去。該階段可以簡單到只生成一份報告，也可以復(fù)雜到在企業(yè)內(nèi)實施一個可重復(fù)的數(shù)據(jù)挖掘過程?？刂频玫狡毡槌姓J(rèn)。
 
五 數(shù)據(jù)挖掘的應(yīng)用現(xiàn)狀
      數(shù)據(jù)挖掘是一個新興的邊緣學(xué)科，它匯集了來自機器學(xué)習(xí)、模式識別、數(shù)據(jù)庫、統(tǒng)計學(xué)、人工智能以及管理信息系統(tǒng)等各學(xué)科的成果。多學(xué)科的相互交融和相互促進(jìn)，使得這一新學(xué)科得以蓬勃發(fā)展，而且已初具規(guī)模。在美國國家科學(xué)基金會(NSF)的數(shù)據(jù)庫研究項目中，KDD被列為90年代最有價值的研究項目。人工智能研究領(lǐng)域的科學(xué)家也普遍認(rèn)為，下一個人工智能應(yīng)用的重要課題之一，將是以機器學(xué)習(xí)算法為主要工具的大規(guī)模的數(shù)據(jù)庫知識發(fā)現(xiàn)。盡管數(shù)據(jù)挖掘還是一個很新的研究課題，但它所固有的為企業(yè)創(chuàng)造巨大經(jīng)濟效益的潛力，已使其很快有了許多成功的應(yīng)用，具有代表性的應(yīng)用領(lǐng)域有市場預(yù)測、投資、制造業(yè)、銀行、通訊等。
       美國鋼鐵公司和神戶鋼鐵公司利用基于數(shù)據(jù)挖掘技術(shù)的ISPA系統(tǒng)，研究分析產(chǎn)品性能規(guī)律和進(jìn)行質(zhì)量控制，取得了顯著效果。通用電器公司(GE)與法國飛機發(fā)動機制造公司(sNEcMA)，利用數(shù)據(jù)挖掘技術(shù)研制了CASSIOP．EE質(zhì)量控制系統(tǒng)，被三家歐洲航空公司用于診斷和預(yù)測渡音737的故障，帶來了可觀的經(jīng)濟效益。該系統(tǒng)于1996年獲歐洲一等創(chuàng)造性應(yīng)用獎。
享有盛譽的市場研究公司，如美國的A．C．一Nielson和Information Resources，歐洲的GFK和ln．fratest Burk等紛紛開始使用數(shù)據(jù)挖掘工具來應(yīng)付迅速增長的銷售和市場信息數(shù)據(jù)。商家的激烈競爭導(dǎo)致了市場快速飽和，產(chǎn)品的迅速更新，使得經(jīng)營者對市場信息的需求格外強烈利用數(shù)據(jù)挖掘技術(shù)所形成的市場預(yù)測能力和服務(wù)，使這些市場研究公司取得了巨大收益。
英國廣播公司(BBC)也應(yīng)用數(shù)據(jù)挖掘技術(shù)來預(yù)測電視收視率，以便合理安排電視節(jié)目時刻表。信用卡公司Alllelicall KxT,ress自采用數(shù)據(jù)挖掘技術(shù)后，信用卡使用率增加了10％ 一15％。AT&T公司賃借數(shù)據(jù)挖掘技術(shù)技術(shù)偵探國際電話欺詐行為，可以盡快發(fā)現(xiàn)國際電話使用中的不正?，F(xiàn)象。
       中國的公安部門也在研究利用KDD技術(shù)總結(jié)各類案件的共性和發(fā)生規(guī)律，從而在宏觀上制定最有效的社會治安綜合治理的方案和措施；在微觀上指出犯罪人的特點，劃定罪犯的范圍，為偵破工作提供方向。