文档介绍：龙源期刊网
数据挖掘可视化系统设计与实现
作者：杨健章关婷婷曲婷婷王璐来源：《科技创新与应用》 2015 年第 16 期
摘要：针对当前数据可视化工具的种类、质量和灵活性上存在的不足，构建一个数据挖掘可视化平台。将获取的数据集上传到系统分布式数据库中，对数据集进行预处理，利用 Mahout 提供的分类、聚类等挖掘算法对数据集进行挖掘，使用 ECharts 将挖掘产生的结果进行
可视化展示。
关键词：数据挖掘；可视化展示；数据预处理；挖掘算法
引言
在大数据时代，通过数据挖掘可以对数据库中的大量业务数据进行抽取、转换、分析和其他模型化处理，从而提取辅助商业决策的关键性信息，帮助企业做出决策。丰富而灵活的数据挖掘结果可视化技术使抽象的信息以简明的形式呈现出来，加深用户对数据含义的理解，更好地了解数据之间的相互关系和发展趋势。然而当前数据可视化工具的种类、质量和灵活性较大的影响数据挖掘系统的使用、解释能力和吸引力。
这就需要使用分布式大数据处理技术进行数据的存储和计算，构建一个数据挖掘可视化平台，通过多种挖掘算法实现对原始数据集进行挖掘，从而发现数据中有用的信息。
1 关键技术
MapReduce 离线计算框架
一种在 YARN 系统之上的大数集离线计算框架，使用 MapReduce 可以并行的对原始数据
集进行计算处理，从而高效的得出结果。
HBase 分布式数据库
一个构建在 Hadoop 之上分布式的、面向列的开源数据库。 HBase 不同于一般的关系数据库，它是一个适合于非结构化数据存储的数据库。
Mahout
Apache Software Foundation 旗下的一个开源项目，提供一些可扩展的机器学****领域经典算法的实现，包括聚类、分类、推荐过滤、频繁子项挖掘等。
ECharts