1 / 35
文档名称:

数据挖掘与统计工作.doc

格式:doc   大小:159KB   页数:35页
下载后只包含 1 个 DOC 格式的文档,没有任何的图纸或源代码,查看文件列表

如果您已付费下载过本站文档,您可以点这里二次下载

分享

预览

数据挖掘与统计工作.doc

上传人:qiang19840906 2021/4/10 文件大小:159 KB

下载得到文件列表

数据挖掘与统计工作.doc

文档介绍

文档介绍:台湾辅仁大学教授谢绑昌先生作的“数据挖掘与统计工作”报告原文
数据发掘的工作(Data Mining)是近年来数据库应用领域中,相当热门的议题。它是个神奇又时髦的技术,但却也不是什么新东西,因为Data Mining使用的分析方法,如预测模型(回归、时间数列)、数据库分割(Database Segmentation)、连接分析(Link Analysis)、偏差侦测(Deviation Detection)等;美国政府从第二次世界大战前,就在人口普查以及军事方面使用这些技术,但是信息科技的进展超乎想象,新工具的出现,例如关连式数据库、对象导向数据库、柔性计算理论(包括Neural network、Fuzzy theory、Genetic Algorithms、Rough Set等)、人工智能的应用(如知识工程、专家系统),以及网络通讯技术的发展,使从数据堆中挖掘宝藏,常常能超越归纳范围的关系;使Data Mining成为企业智慧的一部份。
Data Mining是一个浮现中的新领域。在范围和定义上、推理和期望上有一些不同。时代不一样了,现在数据来得既多又便宜,多到了没有人有时间去看的程度。挖掘的信息和知识从巨大的数据库而来,它被许多研究者在数据库系统和机器学****当作关键研究议题,而且也被企业体当作主要利基的重要所在。有许多不同领域的专家,对Data Mining展现出极大兴趣,例如在信息服务业中,浮现一些应用,如在Internet之数据仓储和在线服务,并且增加企业的许多生机。
我们对于这种Data Mining的产品应该有一个正确的认知,就是它不是一个无所不能的魔法。它不是在那边监视你的数据的状况,然后告诉你说你的数据库里发生了某种特别的现象。也不是说有了Data Mining的工具,就连不了解业务、不了解资料所代表的意义、或是不了解统计原理的人也可以做Data Mining。Data Mining所挖掘出来的信息,也不是你可以不经确认,就可以照单全收应用到业务上的。事实上,Data Mining工具是用来帮助业务分析策画人员从资料中发掘出各种假设(Hypothesis),但是它并不帮你查证(Verify)这些假设,也不帮你判断这些假设对你的价值。

The Evolution of Data Mining
何谓Data Mining
Data Mining是指找寻隐藏在数据中的讯息,如趋势(Trend)、特征(Pattern)及相关性(Relationship)的过程,也就是从数据中发掘信息或知识(有人称为Knowledge Discovery in Databases, KDD),也有人称为「资料考古学」(Data Archaeology)、「数据样型分析」(Data Pattern Analysis)或「功能相依分析」(Functional Dependency Analysis),目前已被许多研究人员视为结合数据库系统与机器学****技术的重要领域,许多产业界人士也认为此领域是一项增加各企业潜能的重要指标。此领域蓬勃发展的原因:现代的企业体经常搜集了大量资料,包括市场、客户、供货商、竞争对手以及未来趋势等重要信息,但是信息超载与无结构化,使得企业决策单位无法有效利用现存的信息,甚至使决策行为产生混乱与误用。如果能透过数据发掘技术,从巨量的数据库中,发掘出不同的信息与知识出来,作为决策支持之用,必能产生企业的竞争优势。

Data Mining可说会合了以下六种领域:
●Database systems, Data Warehouses, OLAP
●Machine learning
●Statistical and data analysis methods
●Visualization
●Mathematical programming
●High performance computing
Data Mining应用的行业包括了金融业、电信业、零售商、直效行销、制造业、医疗保健及制药业等等,应用领域如下表:
Applications of Data Mining
Customer-focused
Operations-focused
Research-focused
●Life-time Value
●Market-Basket Analysis
●Profiling & Segmentation
●Retention
●Target Market
●Acquisition
●Knowledge Portal
●Cross-Selling
●Campaign Management
●E-Commerce
●Profit