文档介绍：深度学****在数据挖掘中应用及相关介绍
摘 要
当今，因为互联网频繁使用，海量数据产生，大家已然进入了大数据时代。在大家日常生活中产生了大量数据，因为这些数据包含信息量巨大、内容越来越复杂，造成对数据分析和使用过程中所需考虑问题越来越多。伴随问题加深深度学****在数据挖掘上应用应运而生。本文对深度学****和数据挖掘进行一定介绍和了解，以此分析总结深度学****在数据挖掘上应用。
【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和处理。大数据正在成为生活中一部分：用大数据估计疾病，用大数据估计奖项，用大数据支撑智能交通，用大数据助力企业商业决议，用大数据分析用户心理。伴随大家对数据结果要求日益增加，大家提出了诸如分类、聚类、结合神经网络等愈加可靠方案。然而大量数据中存在有用和无用数据，怎样从繁琐大数据中取其精华去其糟粕成为目前挖掘数据中亟须处理问题。为了这一需求大家对在数据处理中应用深度学****进行研究和技术推进，以此来适应在大数据时代下各领域对数据应用。
2 数据挖掘
从海量数据库中挖掘信息过程挖掘就称之为数据挖掘（Data Mining）。换句话说，在数据库中海量数据里找出隐含、之前未知有研究价值信息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业务步骤，而且以发觉有意义模式（pattern）和规则（rule）为目标。数据挖掘是基于机器学****人工智能、模式识别等一个决议支持过程，来智能分析企业数据，做出归纳性估计，帮助决议者依据已挖掘出潜在模式决议出正确方案。
数据挖掘是要结构一个分类函数或模型（常称作分类器），该函数是依据事物属性、特点加以划分，而且该函数或模型能把数据库中数据项映射到一个指定分类类别，即分类功效；把整个数据库划分成不一样群组，而且要求同一群组内数据尽可能靠近相同、不一样组群差异显著，此为数据聚类；关联分析就是采取关联规则和序列模式技术发觉数据库各值相关性；数据估计顾名思义，把握数据规律，做出合理推测；偏差检测是对少数极端数据进行分析，表明其内在原因。
3 深度学****br/> 研究人员对神经网络不停研究，以此引出了深度学****deep learning），能够说深度学****是神经网络延伸。深度学****常常被误会为一个机器学****模型，而实际上它是一个框架、一个思绪。
经研究表明，为能够学****表示高阶抽象复杂函数，处理模式识别、数据分类、聚类和语言了解等相关人工智能任务，需要融合深度学****对于部分机器学****算法，会提到特征提取和选择，深度学****所处理问题是在像文本分类，图片识别等过程中能够提取到让计算机明白特征，最理想情况就是把人类了解特征复制到计算机上。
相对浅结构神经网络其优势为能够很好实现高维复杂函数表示；一个很关键原因引用深度学****是它高正确度；不需要手动提取特征，自动提取特征；其采取分层进行处理数据，神经网络每一层能够提取出输入数据不一样水平特征。
4 深度学****在数据挖掘中应用
人工智能是经过一定算法使计算机认知、认识世界，制造出和人类智能相同方法做出反应机器。研究人员模拟人类来制订特定推理和认知，以此形成最初人工智能。现在深度学****被大家所重视起来，很多企业企业着手研究深度