文档介绍：深度学****在数据挖掘中应用及相关介绍摘要当今,由于互联网频繁的使用,海量的数据的产生,人们已然进入了大数据时代。在人们日常生活中产生了大量的数据,由于这些数据涉及信息量巨大、内容越来越复杂,导致对数据的分析和使用过程中所需考虑的问题越来越多。随着问题的加深深度学****在数据挖掘上的应用应运而生。本文对深度学****和数据挖掘进行一定的介绍和了解,以此分析总结深度学****在数据挖掘上的应用。【关键词】数据挖掘神经网络深度学****人工智能 1引言在大数据时代,我们已经离不开对数据进行分析与处理。大数据正在成为生活中的一部分:用大数据预测疾病,用大数据预测奖项,用大数据支撑智能交通,用大数据助力企业商业决策,用大数据分析客户心理。随着人们对数据结果的要求日益增加,人们提出了诸如分类、聚类、结合神经网络等更加可靠的方案。然而大量的数据中存在有用和无用的数据,如何从繁琐的大数据中取其精华去其糟粕成为当前挖掘数据中亟须解决的问题。为了这一需求人们对在数据处理中应用深度学****进行研究与技术推进,以此来适应在大数据时代下各领域对数据的应用。 2数据挖掘从海量的数据库中挖掘信息的过程挖掘就称之为数据挖掘(DataMining)。换句话说,在数据库中的海量数据里找出隐含的、之前未知的有研究价值的信息的这一非平凡过程就是所谓数据挖掘。数据挖掘是一项探测大量数据的业务流程,而且以发现有意义的模式(pattern)和规则(rule)为目的的。数据挖掘是基于机器学****人工智能、模式识别等的一种决策支持过程,来智能分析企业数据,做出归纳性预测,帮助决策者根据已挖掘出的潜在的模式决策出正确的方案。数据挖掘是要构造一个分类函数或模型(常称作分类器),该函数是根据事物属性、特点加以划分,而且该函数或模型能把数据库中的数据项映射到一个指定的分类类别,即分类功能;把整个数据库划分成不同的群组,并且规定同一群组内数据尽量接近相同、不同的组群差别显著,此为数据的聚类;关联分析就是采用关联规则和序列模式技术发现数据库各值的相关性;数据的预测顾名思义,把握数据规律,做出合理推测;偏差的检测是对少数的极端数据进行分析,表明其内在原因。 3深度学****研究人员对神经网络的不断研究,以此引出了深度学****deeplearning),可以说深度学****是神经网络的延伸。深度学****常常被误会为一种机器学****模型,而实际上它是一个框架、一种思路。经研究表明,为能够学****表达高阶抽象的复杂函数,解决模式识别、数据分类、聚类和语言理解等相关的人工智能任务,需要融合深度学****对于一些机器学****算法,会提到特征提取与选择,深度学****所解决的问题是在像文本分类,图片识别等过程中可以提取到让计算机明白的特征,最理想的情况就是把人类理解的特征复制到计算机上。相对浅结构神经网络其优势为可以较好的实现高维复杂函数的表示;一个很重要的原因引用深度学****是它的高精确度;不需要手动提取特征,自动提取特征;其采用分层进行处理数据,神经网络每一层可以提取出输入数据不同水平的特征。 4深度学****在数据挖掘中的应用人工智能是通过一定的算法使计算机认知、认识世界,制造出与人类智能相似的方式做出反应的机器。研究人员模仿人类来制定特定的推理和认知,以此形成最初的人工智能。目前深度学****被人们所重视起来,许多公司企业着手研究深度学****近年来,深度学****尝试解决抽象认知的问题,而且取得巨大的突破。深