數(shù)據(jù)挖掘的定義

數(shù)據(jù)挖掘可以簡單的理解為從大量數(shù)據(jù)中提取或挖掘知識或者說是知識發(fā)現(xiàn)。

數(shù)據(jù)挖掘其實是一種深層次的數(shù)據(jù)分析方法。數(shù)據(jù)挖掘可以描述為：按企業(yè)既定業(yè)務目標，對大量的企業(yè)數(shù)據(jù)進行探索和分析，揭示隱藏的、未知的或驗證已知的規(guī)律性，并進一步將其模型化的先進有效的方法。

數(shù)據(jù)挖掘前景怎么樣

數(shù)據(jù)挖掘利用計算機技術獲取隱藏在大量數(shù)據(jù)背后的信息，滿足一個行業(yè)或企業(yè)的需求，為企業(yè)或管理層的決策提供依據(jù)。從目前大數(shù)據(jù)公司的發(fā)展來看，它們正處于信息收集和簡要分析階段，規(guī)模經(jīng)濟效應相對較少。

從目前該行業(yè)的發(fā)展前景來看，未來是巨大的，能夠產(chǎn)生的經(jīng)濟效應可以說是幾何倍數(shù)的。迫切需要的是數(shù)據(jù)分析師或模型架構(gòu)師來構(gòu)建滿足行業(yè)需求的數(shù)據(jù)挖掘模塊并進行需求分析。換言之，前景無限，目前專業(yè)人才短缺。

數(shù)據(jù)挖掘的應用

數(shù)據(jù)挖掘的應用場景很多。比如，數(shù)據(jù)挖掘能幫助零售商了解“誰是最有價值的顧客”、“什么產(chǎn)品可以交叉銷售或提升銷售”、“公司明年的營收前景如何”；可以幫助地球科學家了解“干旱和颶風等生態(tài)系統(tǒng)擾動的頻度和強度與全球變暖之間有何聯(lián)系”、“海洋表面溫度對地表降水量和溫度有何影響”、“如何準確地預測一個地區(qū)的生長季節(jié)的開始和結(jié)束？”等等。

數(shù)據(jù)挖掘應用了眾多領域的思想，包括來自統(tǒng)計學的抽樣、估計和假設檢驗;來自人工智能、模式識別和機器學習的搜索算法、建模技術和學習理論等。

數(shù)據(jù)挖掘的核心思想

貫穿數(shù)據(jù)挖掘的的思想主要有四個：關聯(lián)，分類，回歸分析和聚類。前兩條是為了尋找差異基因，后兩條是預測差異基因的可能的屬性。

數(shù)據(jù)挖掘基本步驟

第一步：數(shù)據(jù)清理(消除噪聲和不一致數(shù)據(jù))

第二步：數(shù)據(jù)集成(不同來源與格式的數(shù)據(jù)組合到一起)

第三步：數(shù)據(jù)選擇(挖掘所需的數(shù)據(jù))

第四步：數(shù)據(jù)變換(數(shù)據(jù)變換成適合挖掘的形式，如匯總，聚集操作)

第五步：數(shù)據(jù)挖掘(方法，建模)

第六步：模式評估(結(jié)果模型)

第七步：知識表示(可視化)

數(shù)據(jù)挖掘要學什么

數(shù)據(jù)挖掘涉及的內(nèi)容比較泛，與之相關的內(nèi)容包括數(shù)據(jù)庫、數(shù)據(jù)倉庫、機器學習、信息檢索。

學習數(shù)據(jù)挖掘基礎：數(shù)據(jù)庫理論、數(shù)學基礎（包括數(shù)理統(tǒng)計、概率、圖論等）、熟練掌握一種編程語言（java，python）、會使用數(shù)據(jù)挖掘工具軟件（weka、matlab、spss）等。

數(shù)據(jù)挖掘的內(nèi)容包括分類、關聯(lián)分析、聚類和異常檢測等幾個方面。

數(shù)據(jù)挖掘常用算法

分類算法：C4.5，樸素貝葉斯(Naive Bayes)，SVM，KNN，Adaboost

聚類算法：K-Means，EM

關聯(lián)分析：  PageRank

……

詳情請參考《數(shù)據(jù)挖掘十大算法》