数据挖掘算法的分析与研究

用专家之间密切地协作，在开始数据处理过程之前
明确实际工作对数据挖掘结果的要求， 根据此要求， 确定数据收集过程的具体方法和数据挖掘采用的具
加需要的并且在决策支持的过程 中更有价值。
体算法。
（ 数据准备和预处理： ２ ） 数据准备和预处理又可 分为三个步骤： 数据选取、 数据预处理 、 数据变换。
ｉ ｇ ｉ ｓ ｍｍａ ｉ ｅ ｎ ｅ ｂ ｓｃ ｍｅｈ ｄ ｏ ａ ａ ｍｉｉ ｇ ｉ ｇ ｎ ｒ ｌ ｅ ． ａ ｔ ａ ｇ ｎ ｒ ｌｔｃ ｉ ｆｄ ｔ ｉ ｉ ｇ ｉ ｎ ｓ ｕ ｒｚ ｄ ａ ｄ ｔ ａ ｉ ｔ ｏ ｆ ｔ ｈ ｄ ｎ ｎ ｓ ｅ ｅ ａｉ ｄ Ａｔｌｓ， ｅ ｅ ａ ａ ｔ ｏ ａａ ｍ ｎ ｎ ｓ ｚ ｃ ｇ ｖ ｎ ｉｅ 。
数据选取 的目的是确定数据挖掘的处理对象 ， 即目标数据，它是根据由问题陈述中得到的用户需
数据挖掘是信息技术 自 然演化的结果，正是从
存放在数据库、数据仓库或其他信息库中挖掘有用
知 识的 过程 。
１ 数据挖 掘的主 要步骤
数据挖掘工作作为一个完整的挖掘过程，可分
求， 从原始数据库 中抽取一定的数据用于数据挖掘，
从数据中发现模式。此阶段首先根据问题的定义明
同， 适合不同的数据和条件 。 下面将对数据挖掘 的各 种分析方法及其算法作一总体概述。 （） １聚类分析方法： 聚类分析方法是数据挖掘 中 依据数据集 （ 实施数据挖掘的所有数据构成的数据 集合， 以下同此含义） 间关联的量度标准将其 自动分
Ｋｅ ｗｏ ｄ ： ｔ ｉｉｇ Ｇｅ ｅａ ｃｉ ｙ ｒ ｓ ＤａａＭ ｎｎ ； ｎ ｒｌ Ｔａ ｔ ｃ
０引言
为以下几个主要步骤：
随着数据库技术的飞速发展，人们在各种应用 领域所拥有的数据量急剧增加，这些数据对人们的 进行高级处理的工具比较少，使它们的重要性没有 能够充分的发挥 。当前多数的数据库系统只是可以 对数据库 中已有的数据进行存取、查询和统计等简 单操作，通过这些操作人们可以获得数据的一些简
据个体， 以下同此含义） 之间尽可能相似 ， 不同簇 的
究
（ 算法选择与挖掘数据： ３ ） 数据挖掘的任务就是 成几个簇， 使同一个簇内的数据点 （ 数据集 中一个数
确挖掘的任务或 目的， 例如需要产生聚类 、 分类 、 关 联规则还是时间序列等模式， 确定了任务后， 就需要 决定使用什么样的算法 。选择算法需要考虑两个因
一
Ａ ａ ｙ ｉ ｎ ｅ ｅ ｒ ｈ ｏ ａ ａ Ｍ ｎ ｌ ｏ ｉ ｈ ｓ ｎ １ ｓ ａ ｄ Ｒ ｓ ａ ｃ ｆ Ｄ ｔ ｉ ｉｇ Ａ ９ ｒ ｔ ｍ Ｓ ｎ
喻云峰
ＹｕＹｕ ｆｎ ｎｅ ｇ
（ 江西省商务学校， 江西 南昌 ３０ ０） ３ １０
（ａｇｉ ｏ ｍ ｒｉ ｃｏｌ ｉ ｇｉ ａｃａｇ ３ ０ Ｊ ｎ ｘＣ ｍ ｅ ａ Ｓｈ ｏ Ｊ ｎｘＮ ｎｈｎ ０ ） ｉ ｃｌ ，ａ ３ １ ０ 摘 要： 文对数据挖掘的基本理论进行 了分析研究， 本 总结 了数据挖掘的基本步骤， 归纳 了数据挖掘 的
单信息 。 但这 些信息是 从数据 表面直观表 现 出来 ， 对
（） １ 陈述问题和阐明假设： 多数基于数据的模型 研究都是在一个特定的应用领域里完成的。因此在 的问题陈述。模型建立者通常会为未知的相关性指
定一些变量，如果可能还会指定相关性的一个大体 形式作为初始假设。对 当前问题可能会有几个阐明
工作和研究有着重要的作用，但是由于对这些数据 设计数据挖掘算法之前，需要事先确定一个有意义
的假设，这要求将应用领域的专门技术和数据挖掘
模型相结合。 实际上， 这往往意味数据挖掘人员与应
于隐藏于数据背后的如数据之间的关系、数据整体
特征的描述以及寻找未来数据发展趋势的预测等信
息并不 能通过这 些手段得 到，而 这些往往 是人们 更
据 数 挖 掘 法 算 分 的 析 研 与
所缺的数值， 消除重复记录 ， 完成数据类型转换 （ 如 把连续值数据转换为离散型的数据 ， 以便于符号归 纳， 或是把离散型的转换为连续值型的， 以便于神经 网络） 等。当数据挖掘的对象是数据仓库 中的数据 时， 一般来说， 数据预处理工作 已经在生成数据仓库
这些数据可能是整个数据库 中与 问题相关的数据，
也 可能是 这些数 据 中的某 些部分 。 数据预处理一般包括消除噪声， 推导缺值数据
在整个数据挖掘过程 中，第三阶段是数据挖掘
的实施 阶段 ，即根 据 目标 任务 的数 据 类型 等选 取相 应的数据挖掘算法并进行挖掘。经过前人多年的研
基本方法， 并在此基础上， 出了用数据挖掘进行数据分析的通用策略。 提 关键词： 数据挖掘； 通用策略
中图分类号 ： Ｐ １ Ｔ ３１ 文献 标识码 ： Ａ 文章 编号 ：６ １ ７ ２（００９０５ ．３ １７－ ９． １）．０４０ ４ ２
Ａｂ ｔａ ｔｎｔｉ ｅｉ， ｅｂ ｓｃｔｅ ｒ ｆ ａａｍｉｉｇｉ ｒｓ ａｃ ｅ ． ｓｄｏ பைடு நூலகம்， ｅｂ ｓ ｔｐ ｆ ａａｍ ｉ－ ｓ ｒｃ ： ｓ ｈ ｓｓ ｈ ａｉ ｏｙｏ ｔ ｎｎ ｅｅ ｒｈ ｄ Ｂａ ｅ ｎｔ ｓ ｈ ａ ｉ ｓｅ ｓｏ ｔ ｎ Ｉ ｈ ｔ ｔ ｈ ｄ ｓ ｈ ｔ ｃ ｄ
究， 已经产生了许多的数据挖掘算法 。 通常可以根据 数据挖掘的任务把这些算法分成若干类，不同的数 据挖掘分析方法用于解决不同的现实问题 ，产生不 同的知识。同一种分析方法 中还可能具有多个不 同 的实现算法， 它们的 目的相同， 但处理数据的方法不
时完成了。 数据变换的主要 目的是消减数据维数或降维， 即从初始属性 中找出对知识产生真正有用的属性 以 减少数据挖掘时要考虑的属性或变量个数， 可以有 效地减少数据挖掘的工作量， 提高整个系统的效率。