数据库挖掘什么是数据挖掘，都有哪些数据挖掘任务

数据库挖掘时间:2021-08-29 阅读:()

什么是数据挖掘

由于数据科学刚刚兴起，数据科学家作为一种新生职业被提出，数据研究高级科学家Rachel Schutt将其定义为”计算机科学家、软件工程师和统计学家的混合体“。

数据挖掘作为一个学术领域，横跨多个学科，涵盖了统计学、数学、机器学习和数据库等，此外还包括各类专业方向比如从油田电力、海洋生物、历史文本、电子通讯、法律税务等的各个专业领域。

注意每一分类都需要相当的行业经验。

而要明白某一事物的本质，就需要通过另一些近似的事物特性对比来说明。

就好像你单独提问什么是男人?很难解释对不对。

所以咱们来举个栗子简单看看：一、分析报告在《大闹天宫》里孙悟空跟二郎神在花果山下大战三百回合，咱来写一篇文章分析。

孙悟空有金刚不坏火眼金睛筋斗云七十二般变化加上定海神针身法灵活。

二郎神杨戬有三只眼缚妖索哮天犬银袍金甲加上三尖两刃四窍八环刀力量无穷。

所以在大战开始三百回合时候不相上下，结果后来二郎神派出天兵天将放火烧花果山让大圣慌了心神被偷袭得手最后二郎神赢了。

分析报告完成。

二、统计分析大圣二战杨戬。

这次在二位大战之前做个数理统计来预测结果。

首先根据历史样本史书记载发现两人在之前的五百年里打过100次，其中孙悟空赢60次。

然后有记录显示，之前孙悟空和牛魔王战斗的胜率是80%，而杨戬斗牛魔王胜率是70%。

所以可以得出综合预测总体胜率是孙悟空赢面大。

结论依靠历史记录，使用样本预测总体，根据经验做出假设。

统计分析完成。

三、数据挖掘孙悟空和杨戬终极决战。

这次咱们根据两位的详细资料(如家庭出身、教育背景、工作经验、婚育情况等)让计算机做协同过滤关联分析。

计算机通过数据清洗建模后发现：贫苦出身的孩子一般比皇亲国戚更能吃苦所以功夫底子更好平时训练更加扎实。

战斗经验丰富的斗战胜佛因为平时经常打架擅长利用天时地利环境因素而胜算更大。

在都得到大师指点的情况下，贫苦出身的孩子可以利用后天的努力来弥补先天悟性的欠缺。

样貌奇特注定孤独终老的神仙总是会比同等条件下美若天仙喜欢拈花惹草处处留情的神仙功夫好。

综上所述，我们可知道：论出身两位大神不分伯仲。

一个从石头出来，一个是凡人与神仙结合所生。

悟空的师父菩提老祖(准提道人)和二郎神的师父玉鼎真人的师父元始天尊同为鸿钧老祖的高足所以前者更胜一筹。

斗战胜佛战斗经验相对整日快活逍遥无忧无虑的二郎神来说更加丰富。

另孙行者由于样貌原因始终单身(好伤感)。

所以可以得出结论，这次大战孙悟空赢面大。

数据挖掘完成。

四、最后总结：分析报告一般是整个事件发生结束以后的总结(马后炮)。

统计分析能利用大量的历史样本来预测整个事件总体未来的走向(概率)。

数据挖掘则透过事件的表象发现隐藏在背后的蛛丝马迹，从而找到潜伏的规律以及看似无关事物之间背后的联系。

数据挖掘的基本流程是什么

数据挖掘有很多不同的实施方法，如果只是把数据拉到Excel表格中计算一下，那只是数据分析，不是数据挖掘。

本节主要讲解数据挖掘的基本规范流程。

CRISP-DM和SEMMA是两种常用的数据挖掘流程。

从数据本身来考虑，数据挖掘通常需要有信息收集、数据集成、数据规约、数据清理、数据变换、数据挖掘实施过程、模式评估和知识表示8个步骤。

步骤（1）信息收集：根据确定的数据分析对象，抽象出在数据分析中所需要的特征信息，然后选择合适的信息收集方法，将收集到的信息存入数据库。

对于海量数据，选择一个合适的数据存储和管理的数据仓库是至关重要的。

步骤（2）数据集成：把不同来源、格式、特点性质的数据在逻辑上或物理上有机地集中，从而为企业提供全面的数据共享。

步骤（3）数据规约：如果执行多数的数据挖掘算法，即使是在少量数据上也需要很长的时间，而做商业运营数据挖掘时数据量往往非常大。

数据规约技术可以用来得到数据集的规约表示，它小得多，但仍然接近于保持原数据的完整性，并且规约后执行数据挖掘结果与规约前执行结果相同或几乎相同。

步骤（4）数据清理：在数据库中的数据有一些是不完整的（有些感兴趣的属性缺少属性值）、含噪声的（包含错误的属性值），并且是不一致的（同样的信息不同的表示方式），因此需要进行数据清理，将完整、正确、一致的数据信息存入数据仓库中。

不然，挖掘的结果会差强人意。

步骤（5）数据变换：通过平滑聚集、数据概化、规范化等方式将数据转换成适用于数据挖掘的形式。

对于有些实数型数据，通过概念分层和数据的离散化来转换数据也是重要的一步。

步骤（6）数据挖掘过程：根据数据仓库中的数据信息，选择合适的分析工具，应用统计方法、事例推理、决策树、规则推理、模糊集，甚至神经网络、遗传算法的方法处理信息，得出有用的分析信息。

步骤（7）模式评估：从商业角度，由行业专家来验证数据挖掘结果的正确性。

步骤（8）知识表示：将数据挖掘所得到的分析信息以可视化的方式呈现给用户，或作为新的知识存放在知识库中，供其他应用程序使用。

数据挖掘过程是一个反复循环的过程，每一个步骤如果没有达到预期目标，都需要回到前面的步骤，重新调整并执行。

不是每件数据挖掘的工作都需要这里列出的每一步，例如在某个工作中不存在多个数据源的时候，步骤（2）便可以省略。

步骤（3）数据规约、步骤（4）数据清理、步骤（5）数据变换又合称数据预处理。

在数据挖掘中，至少60%的费用可能要花在步骤（1）信息收集阶段，而其中至少60%以上的精力和时间花在了数据预处理过程中。

数据挖掘的概念?

数据挖掘( Data Mining，简称DM)，简单地讲就是从大量数据中挖掘或抽取出知识，数据挖掘概念的定义描述有若干版本，以下给出一个被普遍采用的定义描述: 数据挖掘，又称为数据库中知识发现(Knowledge Discovery from Database，简称KDD)，它是一个从大量数据中抽取挖掘出未知的、有价值的模式或规律等知识的复杂过程。

整个知识挖掘(KDD)过程是由若干挖掘步骤组成，而数据挖掘仅是其中的一个主要步骤。

整个知识挖掘的主要步骤有: 数据清洗(data clearning )，其作用就是清除数据噪声和与挖掘主题明显无关的数据; 数据集成(data integration )，其作用就是将来自多数据源中的相关数据组合到一起; 数据转换(data transformation )，其作用就是将数据转换为易于进行数据才它掘的数据存储形式; 数据挖掘(data mining )，它是知识挖掘的一个基本步骤，其作用就是利用智能方法挖掘数据模式或规律知识; 模式评佑( pattern evaluation )，其作用就是根据一定评估标准interesting measures)从挖掘结果筛选出有意义的模式知识; 知识表示(knowledge presentation )，其作用就是利用可视化和知识表达技术，向用户展示所挖掘出的相关知识。