数据挖掘及其应用.doc

《数据挖掘论文》数据挖掘分类方法及其应用课程名称:数据挖掘概念与技术姓名学号: 指导教师: 数据挖掘分类方法及其应用作者:来煜摘要:社会得发展进入了网络信息时代,各种形式得数据海量产生,在这些数据得背后隐藏这许多重要得信息,如何从这些数据中找出某种规律,发现有用信息,,这种局势称为数据挖掘。分类技术就是数据挖掘中应用领域极其广泛得重要技术之一。各种分类算法有其自身得优劣,适合于不同得领域。目前随着新技术与新领域得不断出现,对分类方法提出了新得要求。。关键字:数据挖掘;分类方法;数据分析引言数据就是知识得源泉。但就是,,从数据库中发现知识这一领域发展得很快。广阔得市场与研究利益促使这一领域得飞速发展。计算机技术与数据收集技术得进步使人们可以从更加广泛得范围与几年前不可想象得速度收集与存储信息。收集数据就是为了得到信息,然而大量得数据本身并不意味信息。尽管现代得数据库技术使我们很容易存储大量得数据流,但现在还没有一种成熟得技术帮助我们分析、,我们常用得知识获取方法就是由知识工程师把专家经验知识经过分析、筛选、比较、综合、再提取出知识与规则。然而,由于知识工程师所拥有知识得有局限性,,传统得知识获取技术面对巨型数据仓库无能为力,数据挖掘技术就应运而生。数据得迅速增加与数据分析方法得滞后之间得矛盾越来越突出,人们希望在对已有得大量数据分析得基础上进行科学研究、商业决策或者企业管理,但就是目前所拥有得数据分析工具很难对数据进行深层次得处理,使得人们只能望“数"兴叹。数据挖掘正就是为了解决传统分析方法得不足,并针对大规模数据得分析处理而出现得。数据挖掘通过在大量数据得基础上对各种学****算法得训练,得到数据对象间得关系模式,这些模式反映了数据得内在特性,就是对数据包含信息得更高层次得抽象。目前,在需要处理大数据量得科研领域中,数据挖掘受到越来越多得关注,同时,在实际问题中,大量成功运用数据挖掘得实例说明了数据挖掘对科学研究具有很大得促进作用。数据挖掘可以帮助人们对大规模数据进行高效得分析处理,以节约时间,将更多得精力投入到更高层得研究中,从而提高科研工作得效率。分类技术就是数据挖掘中应用领域极其广泛得重要技术之一。至今已提出了多种分类算法,主要有决策树、关联规则、神经网络、支持向量机与贝叶斯、k-临近法、遗传算法、粗糙集以及模糊逻辑技术等。大部分技术都就是使用学****算法确定分类模型,拟合输入数据中样本类别与属性集之间得联系,预测未知样本得类别。训练算法得主要目标就是建立具有好得泛化能力得模型,,就是目前人工智能与数据库领域研究得热点问题,所谓数据挖掘就是指从数据库得大量数据中揭示出隐含得、先前未知得并有潜在价值得信息得非平凡过程。数据挖掘就是一种决策支持过程,它主要基于人工智能、机器学****模式识别、统计学、数据库、可视化技术等,高度自动化地分析企业得数据,做出归纳性得推理,从中挖掘出潜在得模式,帮助决策者调整市场策略,减少风险,做出正确得决策。数据挖掘