浅谈数据挖掘方法201081020108贾燚

计方法、神经网络方法和数据库方法。机器学习中,可细分为:归纳学习方法(决策树、规则归纳等)、基于范例学习、遗传算法等。统计方法中,可细分为:回归分析(多元回归、自回归等)、判别分析(贝叶斯判别、费歇尔判别、非参数判别等)、聚类分析(系统聚类、动态聚类等)、探索性分析(主元分析法、相关分析法等)等。神经网络方法中,可细分为:前向神经网络(BP算法等)、自组织神经网络(自组织特征映射、竞争学习等)等。数据库方法主要是多维数据分析或OLAP方法,另外还有面向属性的归纳方法。

第四章 数据挖掘方法概述

4.1主成分分析概述

主成分分析主要是作为一种探索性的技术，在分析者进行多元数据分析之前，用主成分分析来分析数据，让自己对数据有一个大致的了解是非常重要的。

主成分分析也是一种多变量分析方法，通过变量变换把相关的变量变为不相关的、比原来少的若干个新变量。主成分分析一般很少单独使用，经常和判别分析一起使用，比如

当变量很多，个案数不多，直接使用判别分析可能无解，这时候可以使用主成份发对变量简化。此外，在多元回归中，主成分分析可以帮助判断是否存在共线性，还可以用来处理共线性。

4.2聚类分析概述

聚类分析是直接比较各事物之间的性质，将性质相近的归为一类，将性质差别较大的归入不同的类的分析技术。在市场研究领域，聚类分析主要应用方面是帮助我们寻找目标消费群体，运用这项研究技术，我们可以划分出产品的细分市场，并且可以描述出各细分市场的人群特征，以便于客户可以有针对性的对目标消费群体施加影响，合理地开展工作。

4.3神经网络方法概述

人工神经网络(ARTIFICIAL NEURAL NETWORK，简称A.N.N.)是基于模仿大脑神经网络结构和功能而建立的一种信息处理系统。神经网络在一定学习规则下，对提供的学习样本进行学习，从中获取特征信息，并存储在相应的权值及参数上。学习后，对于新的输入数据，网络可通过已获取的权值及参数，计算网络的输出。神经网络具有高度的非线性、容错性与自学习、自适应更新等功能，能够进行复杂的逻辑操作和非线性关系实现。目前神经网络模型在辅助管理与决策

2

中，应用广泛。

4.4判别分析概述

判别分析(Discriminatory Analysis)的任务是根据已掌握的1批分类明确的样品，建立较好的判别函数，使产生错判的事例最少，进而对给定的1个新样品，判断它来自哪个总体。根据资料的性质，分为定性资料的判别分析和定量资料的判别分析；采用不同的判别准则，又有费歇、贝叶斯、距离等判别方法。

费歇（FISHER）判别思想是投影，使多维问题简化为一维问题来处理。选择一个适当的投影轴,使所有的样品点都投影到这个轴上得到一个投影值。对这个投影轴的方向的要求是：使每一类内的投影值所形成的类内离差尽可能小，而不同类间的投影值所形成的类间离差尽可能大。

贝叶斯（BAYES）判别思想是根据先验概率求出后验概率，并依据后验概率分布做出统计推断。所谓先验概率,就是用概率来描述人们事先对所研究的对象的认识的程度；所谓后验概率，就是根据具体资料、先验概率、特定的判别规则所计算出来的概率。它是对先验概率修正后的结果。

距离判别思想是根据各样品与各母体之间的距离远近做出判别。即根据资料建立关于各母体的距离判别函数式，将各样品数据逐一代入计算，得出各样品与各母体之间的距离值，判样品属于距离值最小的那个母体。

4.5多维尺度分析概述

多维尺度分析(Multi-dimension Analysis) 是市场研究的一种有力手段，它可以通过低维空间（通常是二维空间）展示多个研究对象（比如品牌）之间的联系，利用平面距离来反映研究对象之间的相似程度。由于多维尺度分析法通常是基于研究对象之间的相似性（距离）的，只要获得了两个研究对象之间的距离矩阵，我们就可以通过相应统计软件做出他们的相似性知觉图。

在实际应用中，距离矩阵的获得主要有两种方法：一种是采用直接的相似性评价，先所有评价对象进行两两组合，然后要求被访者所有的这些组合间进行直接相似性评价，这种方法我们称之为直接评价法；另一种为间接评价法，由研究人员根据事先经验，找出影响人们评价研究对象相似性的主要属性，然后对每个研究对象，让被访者对这些属性进行逐一评价，最后将所有属性作为多维空间的坐标，通过距离变换计算对象之间的距离。

3

第五章 总 结

本文总结了数据挖掘的定义、目标、相关领域及其一般方法,基于数据挖掘技术之丰富,限于篇幅不再一一列举。作为一个新兴的研究领域,数据挖掘仍然有许多问题需要进行深入研究。数据挖掘技术是一个发展十分快的领域, 随着对数据挖掘技术在各领域日益广泛的应用,实现了数据资源共享及技术发展的跨域,从而大大提高了工作效率,并带来巨大的成功。21世纪是信息时代的社会,信息不仅是资源,更是财富,要实现经济的腾飞,需依赖高新尖科技的发展,故利用提供的信息,充分进行数据挖掘,则将为数据库的应用开辟了广阔的前景,也为人类的文明开辟了一个崭新的时代。

4

参考文献

[1] 王军.数据挖掘技术[J] .计算机世界, 2003 [2] 朱延劭.科学研究的好帮手[J] .计算机世界, 1998

[3] 何新贵.人工智能新进展[M] .北京:清华大学出版社, 2003. [4] 陶浦周,李强.Sybase数据库技术大全[M] .北京:科学出版社, 1995.

5