数据挖掘技术有哪些？

    数据挖掘也被译为资料勘探，数据开采。它是一种通过数理模型对企业中存储的大量数据进行分析，以找出不同的客户或市场划分，分析消费者偏好和行为的方法。这是发现数据库知识的一步。一般地，数据挖掘是指从大量的数据中自动地寻找隐藏在其中的具有特殊关系的信息。包括3个步骤：资料准备、规律寻找和规律表示。下面就让小编为大家介绍数据挖掘技术有哪些？

中科视拓

0

0条点评

咨询产品

免费试用

解决用户选型困难的好软件，有各维度的信息

客户案例

暂无

合作品牌

4

数据挖掘技术有哪些？

数据挖掘技术有哪些？

1.统计学

    尽管统计是一个古老的学科，但它仍然是最基础的数据挖掘技术，尤其是多变量统计分析，如判别分析、主成分分析、因子分析、相关性分析、多元回归分析等。

2.聚类分析和模式识别

    聚类分析主要是根据事物的特征，即所谓物以类聚，从而发现事物的规律和典型模式。这种技术是数据挖掘中的一项重要技术。除了传统的基于多元统计分析的聚类方法，模糊聚类和神经网络聚类方法近年来都有了很大的发展。

3.决策树分类法

    决策树根据不同的重要特征，用树型结构来表示分类或决策集合，从而产生规则和发现规则。

4.人工神经网络与遗传算法

    人工神经网络是近年来迅速发展起来的前沿研究领域，在人工智能、认知科学和信息技术等方面都产生了重大而深远的影响，并且在数据挖掘中也起着十分重要的作用。通过实例学习，人工神经网络可以形成一个非线性函数，描述复杂的非线性系统，它实际上是对客观规律的定量描述，在此基础上，预测的困难问题将迎刃而解。由于人工神经网络是一门新兴的学科，因此在数据挖掘中应用最多的神经网络就是BP网络和RBF网络，其中一些重要的理论问题尚未得到解决。

5.规则的归纳

    数据挖掘是一种相对于规则归纳的技术。就是在大型数据库或数据仓库中搜索和挖掘以前不知道的规则和规律，这些规则大致包括以下几种形式：IF…THEN…

6.可视化技术

    在数据挖掘中，可视化技术是一个不可忽视的辅助。由于数据挖掘涉及的数学方法和信息技术比较复杂，为便于用户理解和使用这些技术，必须以图形、图像、动画等形式形象地指导操作、引导挖掘、表达结果等，否则难以推广普及数据挖掘技术。

    数据挖掘的主要任务是：关联分析、聚类分析、分类分析、异常分析、特殊群分析、演化分析。通常情况下，数据挖掘与计算机科学有关，通过许多方法，如统计方法、联机分析处理、情报检索、机器学习、专家系统(依靠过去的经验法则)和模式识别来实现目标。以上就是小编为大家介绍的数据挖掘技术有哪些？的全部内容，感谢观看。