数据挖掘28070.doc

数据挖掘 数据挖掘 1 1 什么是数据挖掘 2 2 数据挖掘的起源 3 3 数据挖掘能做什么 3 4 数据挖掘中的关联规则 7 1.什么是关联规则 7 2.关联规则挖掘过程、分类及其相关算法 8 3.该领域在国内外的应用 11 5 数据挖掘技术实现 12 6 数据挖掘与数据仓库融合发展 13 7 统计学与数据挖掘 13 7.1 统计学的性质 13 7.2 统计学的性质 14 7.3．讨论 8 数据挖掘相关的10个问题 16 8.1 No1,数据挖掘(Data Mining)和统计分析(Statistics)有什么不同之处 16 8.2 No2,数据仓库(Data Warehousing)和数据挖掘(Data Mining)的关系为何? 16 8.4 No4,完整的数据挖掘(Data Mining) 包含哪些步骤？ 17 8.5 NO.5数据挖掘( Data Mining )运用了哪些理论与技术？ 18 8.6 NO.6数据挖掘(Data Mining)包含哪些主要功能？ 18 8.7 NO.7 数据挖掘（Data Mining）在各领域的应用情形为何？ 19 8.8 Web Mining 和数据挖掘有什么不同？ 20 8.9 NO.9 数据挖掘在 CRM 中扮演的角色为何？ 20 8.10 NO.10 目前业界常用的数据挖掘分析工具？ 21 9 数据挖掘的发展前景 21 1 什么是数据挖掘 数据挖掘(Data Mining)，就是从存放在数据库，数据仓库或其他信息库中的大量的数据中获取有效的、新颖的、潜在有用的、最终可理解的模式的非平凡过程。也有人把数据挖掘视为数据库中知识发现过程的一个基本步骤。知识发现过程由以下三个阶段组成：（1）数据准备，（2）数据挖掘，（3）结果表达和解释。数据挖掘可以与用户或知识库交互。并非所有的信息发现任务都被视为数据挖掘。例如，使用数据库管理系统查找个别的记录，或通过因特网的有哪些信誉好的足球投注网站引擎查找特定的Web页面，则是信息检索（information retrieval）领域的任务。虽然这些任务是重要的，可能涉及使用复杂的算法和数据结构，但是它们主要依赖传统的计算机科学技术和数据的明显特征来创建索引结构，从而有效地组织和检索信息。尽管如此，数据挖掘技术也已用来增强信息检索系统的能力。数据挖掘的起源需要是发明之母。近年来，数据挖掘引起了信息产业界的极大关注，其主要原因是存在大量数据，可以广泛使用，并且迫切需要将这些数据转换成有用的信息和知识。获取的信息和知识可以广泛用于各种应用，包括商务管理，生产控制，市场分析，工程设计和科学探索等。 数据挖掘利用了来自如下一些领域的思想：(1) 来自统计学的抽样、估计和假设检验，(2) 人工智能、模式识别和机器学习的有哪些信誉好的足球投注网站算法、建模技术和学习理论。数据挖掘也迅速地接纳了来自其他领域的思想，这些领域包括最优化、进化计算、信息论、信号处理、可视化和信息检索。一些其他领域也起到重要的支撑作用。特别地，需要数据库系统提供有效的存储、索引和查询处理支持。源于高性能（并行）计算的技术在处理海量数据集方面常常是重要的。分布式技术也能帮助处理海量数据，并且当数据不能集中到一起处理时更是至关重要。数据挖掘能做什么1) 数据挖掘能做以下七种不同事情（分析方法）： 　　 · 分类 （Classification） 　　 · 估值（Estimation） 　　 · 预言（Prediction） 　　 · 相关性分组或关联规则（Affinity grouping or association rules） 　　 · 聚集（Clustering） 　　 · 描述和可视化（Description and Visualization） 　　 · 复杂数据类型挖掘(Text, Web ,图形图像，视频，音频等) 　　2) 数据挖掘分类 　　以上七种数据挖掘的分析方法可以分为两类：直接数据挖掘；间接数据挖掘 　　· 直接数据挖掘 　　目标是利用可用的数据建立一个模型，这个模型对剩余的数据，对一个特定的变量（可以理解成数据库中表的属性，即列）进行描述。 　　· 间接数据挖掘 　　目标中没有选出某一具体的变量，用模型进行描述；而是在所有的变量中建立起某种关系 。 　　· 分类、估值、预言属于直接数据挖掘；后三种属于间接数据挖掘 　　3) 各种分析方法的简介 　　· 分类 （Classification） 　　首先从数据中选出已经分好类的训练集，在该训练集上运用数据挖掘分类的技术，建立分类模型，对于没有分类的数据进行分类。 　　例子： 　　a. 信用卡申请者，分类为低、中、高风险 　　b. 故障诊断：中国宝钢集团与上海天律信息技术