利用机器学习挖掘潜在模式为决策者提供准确信息

用数据挖掘来描述使用挖掘算法进行数据挖掘的子过程。数据挖掘是从庞大的观察数据中集中提炼并分析出人们事先并不知道的、具有潜在价值的信息和知识的过程。数据挖掘就是利用数据库管理系统来存储数据,用机器学习的方法来分析数据,挖掘大量数据背后的知识。

数据挖掘可以从技术角度和商业角度来定义。

在技术上,数据挖掘是指从大量的、不完全的、有噪声的、模糊的、随机的应用数据中,提取隐含在其中的、人们事先不知道的,但又是潜在有用的信息和知识的过程。它是在找寻隐藏在数据中的,如趋　势(Trend)、特　征(Pattern)及　相　关　性(Relationship)等信息。

从商业上看,数据挖掘是一种新的商业信息处理技术,它主要基于人工智能(AI)、机器学习、统计学等技术,高度自动化地分析企业原有的数据,作出归纳性的推理,从中挖掘出数据间的潜在模式,找出最有价值的信息和知识,指导商业行为或辅助科学研究,帮助企业的决策者调整市场策略,减少风险,作出正确的决策。(www.xing528.com)

简言之,数据挖掘其实就是一类深层次的数据分析方法。它不仅是面向特定数据库的简单检索、查询和调用,而且要对这些数据进行微观、中观乃至宏观的统计、分析、综合和推理,以指导实际问题的求解,发现事件间的相互关联,甚至利用已有的数据对未来的活动进行预测。它能将信息变为知识,从数据矿山中找到蕴藏的知识金块。数据挖掘技术是数据库系统和新的数据库应用领域的学科前沿,是数据库研究最活跃、最令人激动的领域之一。

目前,数据挖掘的主要研究内容包括基础理论、知识发现算法、数据仓库、可视化技术、定性定量互换模型、知识表示方法、发现知识的维护和再利用、半结构化和非结构化数据中的知识发现以及网上数据挖掘等。通过对上述丰富内容的分析与研究,通常可发现以下五类知识:广义知识、关联知识、分类知识、预测知识、偏差型知识。