摘要“:互聯(lián)網(wǎng)+”戰(zhàn)略的實(shí)施促進(jìn)了我國(guó)信息技術(shù)的快速發(fā)展,數(shù)據(jù)挖掘技術(shù)能夠?qū)崿F(xiàn)對(duì)海量信息的統(tǒng)計(jì)、分析以及利用等,因此數(shù)據(jù)挖掘技術(shù)在生活實(shí)踐中得到了廣泛的應(yīng)用。因此本文希望通過對(duì)數(shù)據(jù)挖掘技術(shù)的分析,分析數(shù)據(jù)挖掘技術(shù)在實(shí)踐中具體應(yīng)用的策略,以此更好的促進(jìn)數(shù)據(jù)挖掘技術(shù)在實(shí)踐中的應(yīng)用。

關(guān)鍵詞:數(shù)據(jù)挖掘;應(yīng)用;發(fā)展

1數(shù)據(jù)挖掘技術(shù)的概述

數(shù)據(jù)挖掘是通過對(duì)各種數(shù)據(jù)信息進(jìn)行有選擇的統(tǒng)計(jì)、歸類以及分析等挖掘隱含的有用的信息,從而為實(shí)踐應(yīng)用提出有用的決策信息的過程。通俗的說數(shù)據(jù)挖掘就是一種借助于多種數(shù)據(jù)分析工具在海量的數(shù)據(jù)信息中挖掘模數(shù)據(jù)信息和模型之間關(guān)系的技術(shù)總裁,通過對(duì)這種模型進(jìn)行認(rèn)識(shí)和理解,分析它們的對(duì)應(yīng)關(guān)系,以此來指導(dǎo)各行各業(yè)的生產(chǎn)和發(fā)展,提供重大決策上的支持。數(shù)據(jù)挖掘技術(shù)是對(duì)海量數(shù)據(jù)信息的統(tǒng)計(jì)、分析等因此數(shù)據(jù)挖掘技術(shù)呈現(xiàn)以下特點(diǎn):一是數(shù)據(jù)挖掘技術(shù)主要是借助各種其它專業(yè)學(xué)科的知識(shí),從而建立挖掘模型,設(shè)計(jì)相應(yīng)的模型算法,從而找出其中的潛在規(guī)律等,揭示其中的內(nèi)在聯(lián)系性;二是數(shù)據(jù)挖掘主要是處理各行數(shù)據(jù)庫(kù)中的信息,因此這些信息是經(jīng)過預(yù)處理的;三是以構(gòu)建數(shù)據(jù)模型的方式服務(wù)于實(shí)踐應(yīng)用。當(dāng)然數(shù)據(jù)挖掘并不是以發(fā)現(xiàn)數(shù)據(jù)理論為目的,而是為了在各行各業(yè)的信息中找出有用的數(shù)據(jù)信息,滿足用戶的需求。

2數(shù)據(jù)挖掘的功能

結(jié)合數(shù)據(jù)挖掘技術(shù)的概述,數(shù)據(jù)挖掘主要具體以下功能:一是自動(dòng)預(yù)測(cè)趨勢(shì)和行為。數(shù)據(jù)挖掘主要是在復(fù)雜的數(shù)據(jù)庫(kù)中尋找自己有用的信息,以往的信息搜索需要采取手工分析的方式,如今通過數(shù)據(jù)挖掘可以快速的將符合數(shù)據(jù)本身的數(shù)據(jù)找出來;二是關(guān)聯(lián)分析。關(guān)聯(lián)性就是事物之間存在某種的聯(lián)系性,這種事物必須要在兩種以上,數(shù)據(jù)關(guān)聯(lián)是在復(fù)雜的數(shù)據(jù)中存在一類重要的可被發(fā)現(xiàn)的知識(shí);三是概念描述。概念描述分為特征性描述和區(qū)別性描述;四是偏差檢測(cè)。

[摘要]本文主要介紹了數(shù)據(jù)挖掘的基本概念，以及數(shù)據(jù)挖掘的方法。

[關(guān)鍵詞]數(shù)據(jù)挖掘數(shù)據(jù)挖掘方法

隨著信息技術(shù)迅速發(fā)展，數(shù)據(jù)庫(kù)的規(guī)模不斷擴(kuò)大，產(chǎn)生了大量的數(shù)據(jù)。但大量的數(shù)據(jù)往往無法辨別隱藏在其中的能對(duì)決策提供支持的信息，而傳統(tǒng)的查詢、報(bào)表工具無法滿足挖掘這些信息的需求。因此，需要一種新的數(shù)據(jù)分析技術(shù)處理大量數(shù)據(jù)，并從中抽取有價(jià)值的潛在知識(shí)，數(shù)據(jù)挖掘（DataMining）技術(shù)由此應(yīng)運(yùn)而生。

一、數(shù)據(jù)挖掘的定義

數(shù)據(jù)挖掘是指從數(shù)據(jù)集合中自動(dòng)抽取隱藏在數(shù)據(jù)中的那些有用信息的非平凡過程，這些信息的表現(xiàn)形式為：規(guī)則、概念、規(guī)律及模式等。它可幫助決策者分析歷史數(shù)據(jù)及當(dāng)前數(shù)據(jù)，并從中發(fā)現(xiàn)隱藏的關(guān)系和模式，進(jìn)而預(yù)測(cè)未來可能發(fā)生的行為。數(shù)據(jù)挖掘的過程也叫知識(shí)發(fā)現(xiàn)的過程。

二、數(shù)據(jù)挖掘的方法

一、數(shù)據(jù)挖掘相關(guān)概念

數(shù)據(jù)挖掘技術(shù)是近些年發(fā)展起來的一門新興學(xué)科，它涉及到數(shù)據(jù)庫(kù)和人工智能等多個(gè)領(lǐng)域。隨著計(jì)算機(jī)技術(shù)的普及數(shù)據(jù)庫(kù)產(chǎn)生大量數(shù)據(jù)，能夠從這些大量數(shù)據(jù)中抽取出有價(jià)值信息的技術(shù)稱之為數(shù)據(jù)挖掘技術(shù)。數(shù)據(jù)挖掘方法有統(tǒng)計(jì)學(xué)方法、關(guān)聯(lián)規(guī)則挖掘、決策樹方法、聚類方法等八種方法，關(guān)聯(lián)規(guī)則是其中最常用的研究方法。關(guān)聯(lián)規(guī)則算法是1993年由R.Atal,Inipusqi,Sqtm三人提出的Apriori算法，是指從海量數(shù)據(jù)中挖掘出有價(jià)值的能夠揭示實(shí)體和數(shù)據(jù)項(xiàng)間某些隱藏的聯(lián)系的有關(guān)知識(shí)，其中描述關(guān)聯(lián)規(guī)則的兩個(gè)重要概念分別是Suppor（t支持度）和Confi-dence（可信度）。只有當(dāng)Support和Confidence兩者都較高的關(guān)聯(lián)規(guī)則才是有效的、需要進(jìn)一步進(jìn)行分析和應(yīng)用的規(guī)則。

二、使用Weka進(jìn)行關(guān)聯(lián)挖掘

Weka的全名是懷卡托智能分析環(huán)境（WaikatoEnviron-mentforKnowledgeAnalysis），是一款免費(fèi)的、非商業(yè)化的、基于JAVA環(huán)境下開源的機(jī)器學(xué)習(xí)以及數(shù)據(jù)挖掘軟件[2]。它包含了許多數(shù)據(jù)挖掘的算法，是目前最完備的數(shù)據(jù)挖掘軟件之一。Weka軟件提供了Explorer、Experimenter、Knowledge-Flow、SimpleCLI四種模塊[2]。其中Explorer是用來探索數(shù)據(jù)環(huán)境的，Experimenter是對(duì)各種實(shí)驗(yàn)計(jì)劃進(jìn)行數(shù)據(jù)測(cè)試，KnowledgeFlow和Explorer類似，但該模塊通過其特殊的接口可以讓使用者通過拖動(dòng)的形式去創(chuàng)建實(shí)驗(yàn)方案，Simple-CLI為簡(jiǎn)單的命令行界面。以下數(shù)據(jù)挖掘任務(wù)主要用Ex-plorer模塊來進(jìn)行。

（一）數(shù)據(jù)預(yù)處理

數(shù)據(jù)挖掘所需要的所有數(shù)據(jù)可以由系統(tǒng)排序模塊生成并進(jìn)行下載。這里我們下載近兩年的教師科研信息。為了使論文總分、學(xué)術(shù)著作總分、科研獲獎(jiǎng)總分、科研立項(xiàng)總分、科研總得分更有利于數(shù)據(jù)挖掘計(jì)算，在這里我們將以上得分分別確定分類屬性值。

摘要：大數(shù)據(jù)使現(xiàn)代化信息技術(shù)實(shí)現(xiàn)了高速發(fā)展,利用現(xiàn)代化信息技術(shù)建立狀態(tài)數(shù)據(jù)采集系統(tǒng)進(jìn)行院校評(píng)估，是院校管理的發(fā)展方向。數(shù)據(jù)采集系統(tǒng)不應(yīng)只注重平臺(tái)服務(wù)而忽視了功能的挖掘與發(fā)揮。數(shù)據(jù)挖掘技術(shù)對(duì)高職狀態(tài)數(shù)據(jù)采集的應(yīng)用系統(tǒng)建設(shè)方法應(yīng)注重關(guān)聯(lián)規(guī)則方法和聚類分析方法的構(gòu)建與使用。

關(guān)鍵詞：數(shù)據(jù)挖掘技術(shù)；狀態(tài)數(shù)據(jù)；數(shù)據(jù)采集；應(yīng)用系統(tǒng)

數(shù)據(jù)采集應(yīng)用系統(tǒng)又被稱之為高職院校人才培養(yǎng)工作狀態(tài)數(shù)據(jù)采集應(yīng)用系統(tǒng)，該數(shù)據(jù)采集應(yīng)用系統(tǒng)在2008年得到教育部門批準(zhǔn)并公布實(shí)施，這使數(shù)據(jù)采集應(yīng)用系統(tǒng)成為高職院校進(jìn)行方案評(píng)估的重要組成部分，并越來越受到各個(gè)高職院校的關(guān)注與重視。不過，由于數(shù)據(jù)采集應(yīng)用系統(tǒng)出現(xiàn)的時(shí)間較短，各個(gè)高職院校還沒有真正認(rèn)識(shí)到數(shù)據(jù)采集應(yīng)用系統(tǒng)的作用，對(duì)數(shù)據(jù)采集應(yīng)用系統(tǒng)的框架體系與邏輯關(guān)系的理解仍舊需要一段時(shí)間，對(duì)應(yīng)用系統(tǒng)中相關(guān)聯(lián)的數(shù)據(jù)進(jìn)行聚合，使其成為一種能夠幫助學(xué)院進(jìn)行教學(xué)決策與管理的價(jià)值信息，更需要探索一種新的數(shù)據(jù)分析方法，再加上高職院校只注重系統(tǒng)的服務(wù)評(píng)估功能而忽視了其他功能的挖掘與應(yīng)用，這就造成許多高職院校只是在填報(bào)時(shí)才會(huì)用到該系統(tǒng)，而在填報(bào)過后便成為了擺設(shè)，這使數(shù)據(jù)采集應(yīng)用系統(tǒng)的作用未得到真正發(fā)揮，利用率較低。為此，針對(duì)以上問題，通過數(shù)據(jù)挖掘技術(shù)對(duì)高職狀態(tài)數(shù)據(jù)采集應(yīng)用系統(tǒng)進(jìn)行深化分析。

1數(shù)據(jù)挖掘技術(shù)

大數(shù)據(jù)具有增長(zhǎng)速度快、海量、多樣、真實(shí)、價(jià)值密度低五大特點(diǎn)，從數(shù)據(jù)本身進(jìn)行分析，所謂數(shù)據(jù)挖掘技術(shù)便是通過算法搜索，從海量的大數(shù)據(jù)中對(duì)價(jià)值密度低的價(jià)值數(shù)據(jù)進(jìn)行挖掘與收集的過程。數(shù)據(jù)挖掘技術(shù)和計(jì)算機(jī)科學(xué)有著緊密的聯(lián)系，通過數(shù)據(jù)的統(tǒng)計(jì)、處理、機(jī)器學(xué)習(xí)、模式識(shí)別、情報(bào)檢索等諸多手段來達(dá)成價(jià)值數(shù)據(jù)挖掘目的。這些手段能使企業(yè)決策者根據(jù)價(jià)值數(shù)據(jù)來對(duì)策略進(jìn)行調(diào)整，以此降低風(fēng)險(xiǎn)，并做出正確決策。數(shù)據(jù)挖掘由三個(gè)階段構(gòu)成：數(shù)據(jù)準(zhǔn)備、數(shù)據(jù)挖掘、結(jié)果表達(dá)。

2數(shù)據(jù)挖掘技術(shù)在高職狀態(tài)數(shù)據(jù)采集應(yīng)用系統(tǒng)中的深化基礎(chǔ)

在大數(shù)據(jù)背景下，許多傳統(tǒng)科學(xué)技術(shù)的發(fā)展達(dá)到了新的高度，同時(shí)也衍生出一些新興技術(shù)，這些推動(dòng)著互聯(lián)網(wǎng)行業(yè)的前行。新技術(shù)的發(fā)展也伴隨著新問題的產(chǎn)生，現(xiàn)有的數(shù)據(jù)處理技術(shù)難以滿足大數(shù)據(jù)發(fā)展的需要，在數(shù)據(jù)保護(hù)等方面依舊存在著一定的風(fēng)險(xiǎn)。因此，進(jìn)一步完善大數(shù)據(jù)技術(shù)是當(dāng)下需要攻克的難題。本文主要進(jìn)行了大數(shù)據(jù)的簡(jiǎn)單引入，介紹數(shù)據(jù)挖掘技術(shù)及其應(yīng)用，分析了當(dāng)下的發(fā)展進(jìn)度和面臨的困難。

1大數(shù)據(jù)的相關(guān)引入

1.1大數(shù)據(jù)的概念。大數(shù)據(jù)主要指?jìng)鹘y(tǒng)數(shù)據(jù)處理軟件無法處理的數(shù)據(jù)集，大數(shù)據(jù)有海量、多樣、高速和易變四大特點(diǎn)，通過大數(shù)據(jù)的使用，可以催生出新的信息處理形式，實(shí)現(xiàn)信息挖掘的有效性。大數(shù)據(jù)技術(shù)存在的意義不僅在于收集海量的信息，更在于專業(yè)化的處理和分析，將信息轉(zhuǎn)化為數(shù)據(jù)，從數(shù)據(jù)中提取有價(jià)值的知識(shí)。大數(shù)據(jù)分析與云計(jì)算關(guān)系密切，數(shù)據(jù)分析必須依托于云計(jì)算的分布式處理、分布式數(shù)據(jù)庫(kù)等。1.2大數(shù)據(jù)的特點(diǎn)。伴隨著越來越多的學(xué)者投入到對(duì)大數(shù)據(jù)的研究當(dāng)中，其特點(diǎn)也逐漸明晰，都廣泛的提及了這四個(gè)特點(diǎn)。（1）海量的數(shù)據(jù)規(guī)模，信息的數(shù)據(jù)體量明顯區(qū)別于以往的GB、TB等計(jì)量單位，在大數(shù)據(jù)領(lǐng)域主要指可以突破IZP的數(shù)量級(jí)。（2）快速的數(shù)據(jù)流轉(zhuǎn)，大數(shù)據(jù)作用的領(lǐng)域時(shí)刻處在數(shù)據(jù)更新的環(huán)境下，高效快速的分析數(shù)據(jù)是保證信息處理有效的前提。（3）多樣的數(shù)據(jù)類型，廣泛的數(shù)據(jù)來源催生出更加多樣的數(shù)據(jù)結(jié)構(gòu)。（4）價(jià)值低密度，也是大數(shù)據(jù)的核心特征，相較于傳統(tǒng)數(shù)據(jù)，大數(shù)據(jù)更加多變、模糊，給數(shù)據(jù)分析帶來困擾，從而難以從中高密度的取得有價(jià)值的信息。1.3大數(shù)據(jù)的結(jié)構(gòu)。大數(shù)據(jù)主要分為結(jié)構(gòu)化、半結(jié)構(gòu)化和非結(jié)構(gòu)化三種數(shù)據(jù)結(jié)構(gòu)。結(jié)構(gòu)化一般指類似于數(shù)據(jù)庫(kù)的數(shù)據(jù)管理模式。半結(jié)構(gòu)化具有一定的結(jié)構(gòu)性，但相比結(jié)構(gòu)化來說更加靈活多變。目前非結(jié)構(gòu)化數(shù)據(jù)占據(jù)所有數(shù)據(jù)的70%-80%，原因在于互聯(lián)網(wǎng)上的信息內(nèi)容多種多樣，暫時(shí)無法找到有序的存儲(chǔ)歸類方法。1.4大數(shù)據(jù)技術(shù)大數(shù)據(jù)技術(shù)是指如何從各種類型的數(shù)據(jù)中，獲得有利用價(jià)值的信息，其中大數(shù)據(jù)技術(shù)包括數(shù)據(jù)收集、數(shù)據(jù)存取、數(shù)據(jù)架構(gòu)、數(shù)據(jù)處理、統(tǒng)計(jì)分析、數(shù)據(jù)挖掘、數(shù)據(jù)預(yù)測(cè)和結(jié)果呈現(xiàn)。在大數(shù)據(jù)的生命周期中，數(shù)據(jù)收集處于第一階段，主要來源有管理信息系統(tǒng)、Web信息系統(tǒng)等。根據(jù)數(shù)據(jù)結(jié)構(gòu)類型不同，大數(shù)據(jù)的存取采用三種不同的形式，這樣有利于其他技術(shù)的應(yīng)用。數(shù)據(jù)架構(gòu)源于谷歌提出的一種基于軟件的可靠文件存儲(chǔ)體系GFS（Google文件系統(tǒng)），相應(yīng)推出的還有MapReduce計(jì)算模型，二者共同解決了當(dāng)時(shí)的文件存儲(chǔ)和運(yùn)算問題。而后隨著需求的不斷增多，有學(xué)者基于谷歌的研究，開發(fā)出可以滿足更多需求的Hadoop。

2數(shù)據(jù)挖掘技術(shù)

2.1數(shù)據(jù)挖掘技術(shù)以及云計(jì)算。如今全球每年都有數(shù)十億人使用著計(jì)算機(jī)等電子設(shè)備，并產(chǎn)生了龐大的數(shù)據(jù)，各行各業(yè)都已經(jīng)被數(shù)據(jù)所滲透，在大數(shù)據(jù)時(shí)代，數(shù)據(jù)挖掘已成為不可或缺的技術(shù)。數(shù)據(jù)挖掘通過統(tǒng)計(jì)、在線分析、情報(bào)檢索、機(jī)器學(xué)習(xí)、專家系統(tǒng)和模式識(shí)別等諸多方法來實(shí)現(xiàn)從海量數(shù)據(jù)中搜索隱藏于其中的信息這一過程。云計(jì)算是分布計(jì)算的其中一種，通常是指：通過網(wǎng)絡(luò)搜集共享計(jì)算資源，并以最低的管理代價(jià)和最精準(zhǔn)的計(jì)算方式獲取結(jié)果的新型IT運(yùn)算模式。也就是說云計(jì)算技術(shù)將龐大的數(shù)據(jù)計(jì)算處理程序拆分為一個(gè)個(gè)小程序，再通過多個(gè)服務(wù)器分別計(jì)算、處理和分析，最后將結(jié)果匯總并返回給用戶。這項(xiàng)技術(shù)可以在短時(shí)間內(nèi)迅速完成海量的數(shù)據(jù)處理，從而為日益更新的互聯(lián)網(wǎng)服務(wù)。2.2數(shù)據(jù)挖掘的發(fā)展現(xiàn)狀。從最早的數(shù)據(jù)庫(kù)技術(shù)，到如今逐漸發(fā)展成熟的大數(shù)據(jù)技術(shù)，其目的都是實(shí)現(xiàn)數(shù)據(jù)的高效管理和有效利用。數(shù)據(jù)在我們身邊無處不在，數(shù)據(jù)的收集已經(jīng)不再是困擾我們的難題，如何將隱藏在數(shù)據(jù)背后的信息高效率的挖掘出來，才是我們需要探索的道路。如今數(shù)據(jù)挖掘技術(shù)已發(fā)展為：數(shù)據(jù)源提供數(shù)據(jù)，再將預(yù)處理的數(shù)據(jù)整合成適用的模式，由模式分析出這些數(shù)據(jù)中有用的知識(shí)。2.3數(shù)據(jù)挖掘中的經(jīng)典算法。2.3.1C4.5算法C4.5算法是在決策樹算法的基礎(chǔ)之上改進(jìn)的，根據(jù)對(duì)目標(biāo)變量產(chǎn)生的效果的不同而構(gòu)建的分類規(guī)則，其原理是根據(jù)每次選擇一個(gè)特征或分裂點(diǎn)作為當(dāng)前節(jié)點(diǎn)的分類條件。C4.5算法繼承了決策樹算法的優(yōu)點(diǎn)：過程可見、操作簡(jiǎn)便、準(zhǔn)確率高，可同時(shí)也有難以基于組合的形式發(fā)現(xiàn)規(guī)律。2.3.2K-Means算法即K均值聚類算法K均值聚類算法顧名思義是一種聚類算法，將n個(gè)對(duì)象根據(jù)屬性分為k個(gè)分割，計(jì)算出每個(gè)對(duì)象與各個(gè)種子聚類間的距離，然后將每類對(duì)象分配給最近的聚類中心，這樣每個(gè)聚類中心再不斷重復(fù)以上操作以達(dá)到某個(gè)終止條件。這種算法的優(yōu)點(diǎn)是容易實(shí)現(xiàn)，但在大規(guī)模數(shù)據(jù)的運(yùn)用上效率較低，一般適用于數(shù)值型數(shù)據(jù)。

3最新數(shù)據(jù)挖掘技術(shù)及其應(yīng)用

摘要:隨著大數(shù)據(jù)時(shí)代的到來，在大數(shù)據(jù)觀念不斷提出的今天，加強(qiáng)數(shù)據(jù)大數(shù)據(jù)挖掘及時(shí)的應(yīng)用已成為大勢(shì)所趨。那么在大數(shù)據(jù)教學(xué)過程中，我們必須掌握大數(shù)據(jù)與數(shù)據(jù)挖掘的內(nèi)涵，并對(duì)數(shù)據(jù)挖掘技術(shù)進(jìn)行分析，從而明確大數(shù)據(jù)時(shí)代下數(shù)據(jù)挖掘技術(shù)的應(yīng)用領(lǐng)域，促進(jìn)各項(xiàng)數(shù)據(jù)的處理，提高大數(shù)據(jù)處理能力。

關(guān)鍵詞:大數(shù)據(jù)時(shí)代；數(shù)據(jù)挖掘技術(shù)；應(yīng)用

大數(shù)據(jù)是對(duì)全球的數(shù)據(jù)量較大的一個(gè)概括，且每年的數(shù)據(jù)增長(zhǎng)速度較快。而數(shù)據(jù)挖掘，主要是從多種模糊而又隨機(jī)、大量而又復(fù)雜且不規(guī)則的數(shù)據(jù)中，獲得有用的信息知識(shí)，從數(shù)據(jù)庫(kù)中抽絲剝繭、轉(zhuǎn)換分析，從而掌握其潛在價(jià)值與規(guī)律。所以大數(shù)據(jù)時(shí)代下的數(shù)據(jù)處理技術(shù)要求更高，要想確保數(shù)據(jù)處理成效得到提升，就必須切實(shí)加強(qiáng)數(shù)據(jù)挖掘技術(shù)教學(xué)工作的開展，才能更好地促進(jìn)數(shù)據(jù)處理職能的轉(zhuǎn)變，提高數(shù)據(jù)處理效率，優(yōu)化學(xué)生的學(xué)習(xí)成效。以下就大數(shù)據(jù)時(shí)代下的數(shù)據(jù)挖掘技術(shù)教學(xué)做出如下分析。

1大數(shù)據(jù)時(shí)代下數(shù)據(jù)挖掘技術(shù)的基礎(chǔ)教學(xué)方法分析

數(shù)據(jù)挖掘的過程實(shí)際就是對(duì)數(shù)據(jù)進(jìn)行分析和處理，所以其基礎(chǔ)就在于數(shù)據(jù)的分析方法。要想確保分析方法的科學(xué)性，就必須確保所采用算法的科學(xué)性和可靠性，獲取數(shù)據(jù)潛在規(guī)律，并采取多元化的分析方法促進(jìn)問題的解決和優(yōu)化。以下就幾種常見的數(shù)據(jù)分析教學(xué)方法做出簡(jiǎn)要的說明。一是歸類法，主要是將沒有指向和不確定且抽象的數(shù)據(jù)信息予以集中，并對(duì)集中后的數(shù)據(jù)實(shí)施分類整理和編輯處理，從而確保所形成的數(shù)據(jù)源具有特征一致、表現(xiàn)相同的特點(diǎn)，從而為加強(qiáng)對(duì)其的研究提供便利。所以這一分析方法能有效的滿足各種數(shù)據(jù)信息處理。二是關(guān)聯(lián)法，由于不同數(shù)據(jù)間存在的關(guān)聯(lián)性較為隱蔽，采取人力往往難以找出其信息特征，所以需要預(yù)先結(jié)合信息關(guān)聯(lián)的表現(xiàn)，對(duì)數(shù)據(jù)關(guān)聯(lián)管理方案進(jìn)行制定，從而完成基于某種目的的前提下對(duì)信息進(jìn)行處理，所以其主要是在一些信息處理要求高和任務(wù)較為復(fù)雜的信息處理工作之中。三是特征法，由于數(shù)據(jù)資源的應(yīng)用范圍較廣，所以需要對(duì)其特征進(jìn)行挖掘。也就是采用某一種技術(shù)，將具有相同特征的數(shù)據(jù)進(jìn)行集中。例如采用人工神經(jīng)網(wǎng)絡(luò)技術(shù)時(shí)，主要是對(duì)大批量復(fù)雜的數(shù)據(jù)分析，對(duì)非常復(fù)雜的模式進(jìn)行抽取或者對(duì)其趨勢(shì)進(jìn)行分析。而采取遺傳算法，則主要是對(duì)其他評(píng)估算法的適合度進(jìn)行評(píng)估，并結(jié)合生物進(jìn)化的原理，對(duì)信息數(shù)據(jù)的成長(zhǎng)過程進(jìn)行虛擬和假設(shè)，從而組建出半虛擬、半真實(shí)的信息資源。再如可視化技術(shù)則是為數(shù)據(jù)挖掘提供輔助，采取多種方式對(duì)數(shù)據(jù)的挖掘進(jìn)行指導(dǎo)和表達(dá)[1]。

2大數(shù)據(jù)時(shí)代數(shù)據(jù)挖掘技術(shù)教學(xué)要點(diǎn)的分析

【摘要】隨著數(shù)據(jù)科技的飛速發(fā)展，管理會(huì)計(jì)工作已逐步實(shí)現(xiàn)電算化。長(zhǎng)期的會(huì)計(jì)處理過程中會(huì)積累大量結(jié)構(gòu)化或非結(jié)構(gòu)化數(shù)據(jù)，這些數(shù)據(jù)中蘊(yùn)藏著巨大的價(jià)值。本文基于價(jià)值創(chuàng)造視角，闡述了大數(shù)據(jù)挖掘技術(shù)在管理會(huì)計(jì)中的應(yīng)用。

【關(guān)鍵詞】數(shù)據(jù)挖掘技術(shù)；管理會(huì)計(jì)；應(yīng)用

數(shù)據(jù)挖掘指運(yùn)用決策樹模型、蟻群算法、神經(jīng)網(wǎng)絡(luò)算法、遺傳算法、關(guān)聯(lián)分析算法、序列模式分析算法、聚類分析算法等對(duì)海量結(jié)構(gòu)化或非結(jié)構(gòu)化數(shù)據(jù)集合進(jìn)行挖掘與分析，依托模型獲取有價(jià)值信息或探求某種發(fā)展趨勢(shì)，提供有用的數(shù)據(jù)洞察。數(shù)據(jù)挖掘結(jié)合了統(tǒng)計(jì)學(xué)、信息管理系統(tǒng)、計(jì)算機(jī)科學(xué)與技術(shù)、離散數(shù)學(xué)、機(jī)器學(xué)習(xí)、數(shù)據(jù)庫(kù)、人工智能、決策理論等多種學(xué)科。該項(xiàng)技術(shù)可以從繁雜、無規(guī)律的數(shù)據(jù)環(huán)境中剝離出重要信息供企業(yè)使用，為決策提供參考。

一、大數(shù)據(jù)挖掘技術(shù)概述

（一）大數(shù)據(jù)挖掘相關(guān)技術(shù)。1.統(tǒng)計(jì)技術(shù)。統(tǒng)計(jì)分析技術(shù)以概率論和統(tǒng)計(jì)學(xué)主要思想為理論基礎(chǔ)。該技術(shù)對(duì)數(shù)據(jù)集合進(jìn)行挖掘的方式是對(duì)給定數(shù)據(jù)集合假設(shè)一個(gè)分布或者概率模型（比如正態(tài)分布模型），然后根據(jù)模型進(jìn)行相應(yīng)挖掘。該技術(shù)建立在判別分析、因子分析及回歸分析等模型基礎(chǔ)之上，其優(yōu)勢(shì)是對(duì)分析結(jié)果的描述精確且容易理解，因而應(yīng)用較為普遍。2.決策樹技術(shù)。決策樹技術(shù)在數(shù)據(jù)挖掘的不同操作階段具有不同特點(diǎn)，其遵循的規(guī)則較為直觀，容易理解，其優(yōu)勢(shì)是在計(jì)算分類時(shí)耗費(fèi)時(shí)間較短。決策樹是一種顯示不同條件下會(huì)得出哪些數(shù)值的規(guī)則算法，這種方法在預(yù)測(cè)結(jié)果以及將結(jié)果分類的條件下較為適用。決策樹分析方法一般常用C4.5、C5.0、ID3、CHAID、CART等計(jì)算方法。3.關(guān)聯(lián)規(guī)則。關(guān)聯(lián)規(guī)則在數(shù)據(jù)挖掘技術(shù)中應(yīng)用最為廣泛，該技術(shù)是將海量數(shù)據(jù)集中起來，將其中的關(guān)聯(lián)關(guān)系和依賴關(guān)系充分挖掘。依托關(guān)聯(lián)分析，能從用戶行為中分析出潛在的行為模式，挖掘潛在知識(shí)以及人們感興趣的模式，同時(shí)將總結(jié)的概念應(yīng)用于更大范圍的用戶群體之中。4.神經(jīng)網(wǎng)絡(luò)技術(shù)。神經(jīng)網(wǎng)絡(luò)技術(shù)類似于人腦部神經(jīng)元，其功能也有相近之處。它的重點(diǎn)是結(jié)合神經(jīng)測(cè)試規(guī)則進(jìn)行計(jì)算模擬的開發(fā)與設(shè)計(jì)。在結(jié)構(gòu)上，神經(jīng)網(wǎng)絡(luò)可以劃分為輸入層、隱含層和輸出層三個(gè)不同層次。輸入層的不同階段對(duì)應(yīng)著預(yù)測(cè)變量，輸出層的節(jié)點(diǎn)對(duì)應(yīng)的是目標(biāo)變量，隱含層位于輸入層和輸出層之間，隱含層的具體層數(shù)和不同層內(nèi)的節(jié)點(diǎn)數(shù)決定了神經(jīng)網(wǎng)絡(luò)的整體復(fù)雜程度。該項(xiàng)技術(shù)具有承受噪聲數(shù)據(jù)能力較高、可以處理相對(duì)復(fù)雜問題等優(yōu)勢(shì)。5.粗糙集技術(shù)。粗糙集技術(shù)在數(shù)據(jù)挖掘中應(yīng)用較為廣泛。這種技術(shù)一般能夠較為清晰地分析出噪聲數(shù)據(jù)以及不精準(zhǔn)數(shù)據(jù)之間的聯(lián)系。其最大的優(yōu)勢(shì)是不需要將初始數(shù)據(jù)或附加信息包含在內(nèi)，只需利用一些不完整數(shù)據(jù)或不確定數(shù)據(jù)即可建立模型。粗糙集技術(shù)大大提高了知識(shí)發(fā)現(xiàn)及數(shù)據(jù)挖掘效率。6.遺傳算法。遺傳算法1975年由美國(guó)D.J.Hol⁃land教授提出，它將計(jì)算機(jī)科學(xué)技術(shù)與生物學(xué)技術(shù)完美融合，是一種優(yōu)化類算法。大自然最基本的生存法則為適者生存，生物按照一種合理的機(jī)制進(jìn)行遺傳進(jìn)化，進(jìn)而成為最適合的種群。遺傳算法對(duì)大自然中的生物進(jìn)化機(jī)制進(jìn)行模擬，遵循合理原則，對(duì)各項(xiàng)數(shù)據(jù)模型執(zhí)行優(yōu)化操作。遺傳算法相比于其他算法要求的輸入信息較少，因而具有靈活高效的特點(diǎn)。7.差別分析。差別分析的主要目的是發(fā)現(xiàn)數(shù)據(jù)之中潛藏的異常情況，進(jìn)而減弱噪音數(shù)據(jù)干擾，獲取有價(jià)值信息。8.概念描述。概念描述主要是對(duì)某類對(duì)象的特征和內(nèi)涵進(jìn)行概括及描述。概念描述具體分為區(qū)別描述和特征性描述。前者用于描述某些對(duì)象的區(qū)別，后者描述某類對(duì)象的共性。（二）大數(shù)據(jù)挖掘技術(shù)應(yīng)用流程。1.選擇、取樣。在實(shí)施數(shù)據(jù)挖掘之前，需要針對(duì)數(shù)據(jù)挖掘預(yù)期目標(biāo)對(duì)數(shù)據(jù)庫(kù)進(jìn)行甄選，依托數(shù)據(jù)表的形式對(duì)數(shù)據(jù)總體進(jìn)行抽樣。需要注意的是，在數(shù)據(jù)庫(kù)中抽取的數(shù)據(jù)要有實(shí)際意義，抽取數(shù)據(jù)數(shù)量應(yīng)適當(dāng)，不宜過多。2.預(yù)處理。具體包括消除噪聲數(shù)據(jù)、重復(fù)記錄，合理處置缺失數(shù)據(jù)，完成數(shù)據(jù)類型轉(zhuǎn)換等。3.轉(zhuǎn)換、探索。在數(shù)據(jù)樣本抽取結(jié)束之后，需要根據(jù)實(shí)際情況對(duì)數(shù)據(jù)執(zhí)行增加、刪除、修改等操作，進(jìn)而對(duì)數(shù)據(jù)進(jìn)行深入探索。結(jié)合探索過程，找出海量數(shù)據(jù)中所隱藏的聯(lián)系或異常，加深對(duì)預(yù)期挖掘目標(biāo)的理解和認(rèn)識(shí)。4.調(diào)整、數(shù)據(jù)開采。在進(jìn)行初步的取樣及探索之后，確定數(shù)據(jù)開采任務(wù)，從而選擇合適的數(shù)據(jù)開采算法。5.建模。結(jié)合決策樹、回歸分析、時(shí)間序列分析、神經(jīng)網(wǎng)絡(luò)等分析工具對(duì)所甄選數(shù)據(jù)進(jìn)行建模，基于數(shù)據(jù)構(gòu)建對(duì)目標(biāo)結(jié)果的分析預(yù)測(cè)模型。6.評(píng)價(jià)。數(shù)據(jù)挖掘的最終環(huán)節(jié)是建立模型測(cè)評(píng)體系，對(duì)數(shù)據(jù)挖掘中發(fā)現(xiàn)的有效結(jié)果進(jìn)行實(shí)用性和可靠性評(píng)價(jià)，對(duì)不足之處進(jìn)行修正。上述過程可以表示為圖1。

二、管理會(huì)計(jì)是業(yè)務(wù)及價(jià)值的結(jié)合體

摘要：通過云計(jì)算與物聯(lián)網(wǎng)技術(shù)的有效結(jié)合，能夠?qū)崿F(xiàn)海量數(shù)據(jù)的有效挖掘與分析，對(duì)于數(shù)據(jù)處理水平的提升也有著重要意義。因此我國(guó)相關(guān)技術(shù)部門還要加強(qiáng)對(duì)該方面工作的重視力度，實(shí)現(xiàn)云計(jì)算技術(shù)跟互聯(lián)網(wǎng)技術(shù)兩者的有效融合，有助于我國(guó)數(shù)據(jù)挖掘技術(shù)的優(yōu)化與升級(jí)，本文主要就云計(jì)算與物聯(lián)網(wǎng)技術(shù)的數(shù)據(jù)挖掘進(jìn)行了探究分析。

關(guān)鍵詞：云計(jì)算；物聯(lián)網(wǎng)技術(shù)；數(shù)據(jù)挖掘

1物聯(lián)網(wǎng)與云計(jì)算概述

1.1物聯(lián)網(wǎng)概述

物聯(lián)網(wǎng)作為一種新興的網(wǎng)絡(luò)技術(shù)，其主要是以萬億節(jié)點(diǎn)作為表達(dá)對(duì)象，隨后通過不同的傳感器設(shè)備、網(wǎng)絡(luò)服務(wù)器以及超級(jí)計(jì)算機(jī)集群來進(jìn)行數(shù)據(jù)的處理與應(yīng)用，并且包含了計(jì)算機(jī)技術(shù)以及通信技術(shù)等多個(gè)學(xué)科。物聯(lián)網(wǎng)技術(shù)手段的應(yīng)用，能夠在結(jié)合物理對(duì)象的實(shí)際情況進(jìn)行無縫信息系統(tǒng)的構(gòu)建，實(shí)現(xiàn)對(duì)各業(yè)務(wù)流程的規(guī)劃化與動(dòng)態(tài)管理，保障業(yè)務(wù)流程的順利開展，從而解決用戶們的不同需求[1]。

1.2云計(jì)算技術(shù)

摘要：信用卡作為商業(yè)銀行中較為重要的一項(xiàng)業(yè)務(wù)，同時(shí)在現(xiàn)代人的生活中也具有不可或缺性。當(dāng)前各商業(yè)銀行圍繞信用卡推出了多種不同的業(yè)務(wù)，為了保證信用卡業(yè)務(wù)的有序發(fā)展，進(jìn)一步提高商業(yè)銀行管理和工作區(qū)域性，則需要利用數(shù)據(jù)挖掘技術(shù)來針對(duì)信用卡客戶相關(guān)信息和信用風(fēng)險(xiǎn)進(jìn)行分析，為信用卡業(yè)務(wù)的開展提供重要的信息支持。文中分析了信用卡業(yè)務(wù)中數(shù)據(jù)挖掘技術(shù)的應(yīng)用，并進(jìn)一步對(duì)信用卡業(yè)務(wù)中數(shù)據(jù)挖掘技術(shù)應(yīng)用的優(yōu)化措施進(jìn)行了具體的闡述。

關(guān)鍵詞：商業(yè)銀行；信用卡業(yè)務(wù)；數(shù)據(jù)挖掘技術(shù)；應(yīng)用；優(yōu)化措施

1信用卡業(yè)務(wù)中數(shù)據(jù)挖掘技術(shù)的應(yīng)用

（1）數(shù)據(jù)挖掘技術(shù)在信用卡業(yè)務(wù)中的應(yīng)用模型。近年來商業(yè)銀行發(fā)展速度較快，信用卡發(fā)放數(shù)量也隨之增加，積累了大量的客戶信息。為了能夠獲得有價(jià)值的信息，以此來預(yù)測(cè)客戶的行為模式，從而為客戶提供更優(yōu)質(zhì)的服務(wù)，這就需要重視數(shù)據(jù)挖掘技術(shù)在信用卡業(yè)務(wù)中的應(yīng)用，在實(shí)際應(yīng)用中主要以客戶細(xì)分模型和定向營(yíng)銷模型為主。在客戶細(xì)分模型中，基于客戶屬性對(duì)其進(jìn)行劃分，并針對(duì)不同客戶群體特征來為其提供不同的服務(wù)和產(chǎn)品。在客戶細(xì)化模型中，其主要是針對(duì)客戶需求、客戶消費(fèi)之間的差異作為理論依據(jù)，再結(jié)合競(jìng)爭(zhēng)資源的有限性和有效市場(chǎng)競(jìng)爭(zhēng)的目的性，以此來選擇符合自身發(fā)展的客戶群體和市場(chǎng)，從而獲得成功。在定向營(yíng)銷模型中，其是針對(duì)于某個(gè)消費(fèi)群體，基于這個(gè)消費(fèi)群體的消費(fèi)觀念和習(xí)慣來制定具體的活動(dòng)方案，以此來提高成功的效率。在信用卡業(yè)務(wù)開展過程中，通過信用卡結(jié)算來獲得相應(yīng)的消費(fèi)信息，并對(duì)客戶消費(fèi)過程中的數(shù)據(jù)進(jìn)行記錄，針對(duì)這些數(shù)據(jù)進(jìn)行分析和處理，獲得客戶消費(fèi)的意向，以此來開發(fā)產(chǎn)品，促進(jìn)消費(fèi)。在定向營(yíng)銷實(shí)施過程中，銀行需要了解客戶信息，并從眾多客戶中識(shí)別需要的客戶，以此來構(gòu)建完善的定向營(yíng)銷網(wǎng)絡(luò)。針對(duì)客戶進(jìn)行劃分，為其提供個(gè)性化的服務(wù)。銀行通過加強(qiáng)與客戶之間的溝通，更好的了解客戶需求，從而站在客戶立場(chǎng)上完善需求。（2）數(shù)據(jù)挖掘技術(shù)在信用卡管理系統(tǒng)中的應(yīng)用。信用卡管理系統(tǒng)，在建成數(shù)據(jù)庫(kù)后，則需要應(yīng)用數(shù)據(jù)挖掘技術(shù)來建立信用卡決策系統(tǒng)。具體要利用數(shù)據(jù)挖掘技術(shù)來對(duì)客戶進(jìn)行分析，通過篩選客戶，針對(duì)不同客戶采取不同的營(yíng)銷方式。針對(duì)系統(tǒng)為特約商戶提供服務(wù)的基礎(chǔ)數(shù)據(jù)利用數(shù)據(jù)挖掘技術(shù)進(jìn)行分析對(duì)比，準(zhǔn)確掌握市場(chǎng)發(fā)展趨勢(shì)，做好準(zhǔn)確的決策，以此來取得競(jìng)爭(zhēng)中的優(yōu)勢(shì)。在針對(duì)業(yè)務(wù)分析過程中，通過針對(duì)信用卡業(yè)務(wù)總數(shù)據(jù)進(jìn)行分析，明確業(yè)務(wù)的優(yōu)勢(shì)和劣勢(shì)，并針對(duì)各項(xiàng)指標(biāo)中的數(shù)據(jù)進(jìn)行處理，以此來分析出業(yè)務(wù)的走向趨勢(shì)，并對(duì)發(fā)展規(guī)律進(jìn)行總結(jié)。通過對(duì)信用卡業(yè)務(wù)數(shù)據(jù)的處理，對(duì)收益構(gòu)成和貢獻(xiàn)度進(jìn)行分析。還要針對(duì)網(wǎng)點(diǎn)業(yè)務(wù)進(jìn)行分析，綜合評(píng)價(jià)經(jīng)營(yíng)情況并提出合理化的建議。（3）數(shù)據(jù)挖掘技術(shù)在信用卡風(fēng)險(xiǎn)管理中的應(yīng)用。當(dāng)新客戶向銀行申請(qǐng)信用卡時(shí)，銀行會(huì)根據(jù)客戶填寫的基本信息，系統(tǒng)會(huì)對(duì)客戶的信用等級(jí)進(jìn)行初始判斷。在實(shí)際數(shù)據(jù)挖掘技術(shù)應(yīng)用過程中，以客戶歷史數(shù)據(jù)和信息作為預(yù)測(cè)輸入，并建立數(shù)據(jù)模型來表現(xiàn)出客戶初始信用等級(jí)分布特征，準(zhǔn)確預(yù)測(cè)新客戶初始信用等級(jí)。當(dāng)客戶信用卡辦理成功后，則需要針對(duì)客戶信用卡透支情況進(jìn)行及時(shí)分析，以此來掌握客戶透支的具體信息及特征。在該環(huán)節(jié)中，利用數(shù)據(jù)挖掘技術(shù)分析時(shí)，需要輸入信用卡客戶的基本信息及歷史匯總數(shù)據(jù)信息，以透支類型作為輸出，以此來對(duì)客戶一定時(shí)間內(nèi)可能出現(xiàn)的透支情況進(jìn)行精準(zhǔn)預(yù)測(cè)。通過對(duì)客戶信用等級(jí)及透支情況進(jìn)行預(yù)測(cè)，可以為信用卡風(fēng)險(xiǎn)管理提供重要的信息依據(jù)，實(shí)現(xiàn)對(duì)風(fēng)險(xiǎn)的有效控制。

2數(shù)據(jù)挖掘技術(shù)在信用卡業(yè)務(wù)中應(yīng)用的優(yōu)化措施

（1）掌握中央客戶數(shù)據(jù)。數(shù)據(jù)挖掘技術(shù)對(duì)于銀行的發(fā)展非常重要，其重點(diǎn)體現(xiàn)在能夠建立一個(gè)集成化的中央客戶數(shù)據(jù)，從而更好的提升對(duì)于客戶使用情況的分析。通過在數(shù)據(jù)庫(kù)中有效的提取客戶的重點(diǎn)消費(fèi)情況，對(duì)數(shù)據(jù)信息有效的收集、分析和整理，了解到客戶的消費(fèi)習(xí)慣和特征。同時(shí)銀行還應(yīng)該不斷探求與互聯(lián)網(wǎng)公司的合作，從而更好的完善中央客戶數(shù)據(jù)。（2）有效利用決策系統(tǒng)。當(dāng)決策系統(tǒng)具有較高的靈活性時(shí)，才能更好的提高數(shù)據(jù)挖掘技術(shù)的有效性，針對(duì)于客戶群體信息進(jìn)行有效了解，充分的利用銀行掌握的客戶信息。目前大部分銀行都建立了客戶決策信息管理系統(tǒng)，這對(duì)于信用卡審批過程、額度確定和欠款催收等自動(dòng)化功能的運(yùn)用起到了積極的促進(jìn)作用，可以實(shí)現(xiàn)對(duì)客戶的精細(xì)化管理。因此對(duì)于商業(yè)銀行而言，需要重視決策系統(tǒng)的不斷完善，全面提高其功能的自動(dòng)化水平，從而為客戶提供更加優(yōu)質(zhì)、高效和便捷的信用卡服務(wù)。（3）強(qiáng)化數(shù)據(jù)采集和維護(hù)功能。常規(guī)情況下，數(shù)據(jù)庫(kù)可以從銀行的各系統(tǒng)內(nèi)進(jìn)行采集，包括客戶的交易基本情況、記錄等，然后再進(jìn)一步將采集到的信息加工，從而分析信息內(nèi)容，為客戶提供更好的、有針對(duì)性的服務(wù)。在加載客戶基本賬號(hào)的信息時(shí)，避免出現(xiàn)現(xiàn)有系統(tǒng)中賬號(hào)不一致的問題，如果發(fā)現(xiàn)一定要做到及時(shí)消除，同時(shí)將數(shù)據(jù)連接到中央數(shù)據(jù)庫(kù)中，這樣才能夠準(zhǔn)確的了解客戶的消費(fèi)行為、使用頻率。銀行還要做到盡可能的了解客戶的變化情況，針對(duì)客戶的變化及時(shí)推出具備針對(duì)性的金融產(chǎn)品和服務(wù)。這就需要銀行及時(shí)了解到客戶每天的交易明細(xì)，同樣連接到中央數(shù)據(jù)庫(kù)，便于及時(shí)分析客戶的行為。

[摘要]本文主要介紹了數(shù)據(jù)挖掘的基本概念，以及數(shù)據(jù)挖掘的方法。

[關(guān)鍵詞]數(shù)據(jù)挖掘數(shù)據(jù)挖掘方法

隨著信息技術(shù)迅速發(fā)展，數(shù)據(jù)庫(kù)的規(guī)模不斷擴(kuò)大，產(chǎn)生了大量的數(shù)據(jù)。但大量的數(shù)據(jù)往往無法辨別隱藏在其中的能對(duì)決策提供支持的信息，而傳統(tǒng)的查詢、報(bào)表工具無法滿足挖掘這些信息的需求。因此，需要一種新的數(shù)據(jù)分析技術(shù)處理大量數(shù)據(jù)，并從中抽取有價(jià)值的潛在知識(shí)，數(shù)據(jù)挖掘（DataMining）技術(shù)由此應(yīng)運(yùn)而生。

一、數(shù)據(jù)挖掘的定義

數(shù)據(jù)挖掘是指從數(shù)據(jù)集合中自動(dòng)抽取隱藏在數(shù)據(jù)中的那些有用信息的非平凡過程，這些信息的表現(xiàn)形式為：規(guī)則、概念、規(guī)律及模式等。它可幫助決策者分析歷史數(shù)據(jù)及當(dāng)前數(shù)據(jù)，并從中發(fā)現(xiàn)隱藏的關(guān)系和模式，進(jìn)而預(yù)測(cè)未來可能發(fā)生的行為。數(shù)據(jù)挖掘的過程也叫知識(shí)發(fā)現(xiàn)的過程。

二、數(shù)據(jù)挖掘的方法