分析計(jì)算機(jī)數(shù)據(jù)挖掘技術(shù)的開發(fā)及其應(yīng)用

1、分析計(jì)算機(jī)數(shù)據(jù)挖掘技術(shù)的開發(fā)及其應(yīng)用互聯(lián)網(wǎng)的發(fā)展使信息的傳遞和交互打破了時(shí)間和空間的限制，導(dǎo)致信息的爆炸性增長(zhǎng)。首先，數(shù)據(jù)挖掘可以被應(yīng)用的領(lǐng)域有很多，如最廣為人知的金融領(lǐng)域。很多數(shù)據(jù)挖掘的研究著作都是在市場(chǎng)、證券的語(yǔ)境下。不只是在金融領(lǐng)域，其他必要引入計(jì)算機(jī)數(shù)據(jù)挖掘技術(shù)領(lǐng)域的專業(yè)知識(shí)也廣泛地出現(xiàn)在數(shù)據(jù)挖掘研究著作中。其次，作為一門計(jì)算機(jī)技術(shù)，其使用的工具本身也正被學(xué)者們更深入地研究，如機(jī)器學(xué)的各類算法至今仍層出不窮。一、計(jì)算機(jī)數(shù)據(jù)挖掘技術(shù)概況數(shù)據(jù)挖掘（也稱為數(shù)據(jù)庫(kù)中的知識(shí)發(fā)現(xiàn)）是從大量數(shù)據(jù)中提取和挖掘未知且有價(jià)值的模式或規(guī)則以及其他知識(shí)的復(fù)雜過(guò)程。概括來(lái)講，進(jìn)行數(shù)據(jù)挖掘的主要步驟如下：（一）數(shù)

2、據(jù)收集真正體驗(yàn)過(guò)數(shù)據(jù)挖掘過(guò)程的專業(yè)人士都會(huì)認(rèn)為，數(shù)據(jù)收集過(guò)程是進(jìn)行數(shù)據(jù)挖掘時(shí)最艱難也很重要的步驟。首先，數(shù)據(jù)量要足夠，大多數(shù)時(shí)候要稍微超量。數(shù)據(jù)量不夠?qū)?dǎo)致數(shù)據(jù)挖掘模型無(wú)法訓(xùn)練精準(zhǔn)，預(yù)測(cè)效果欠佳。其次，數(shù)據(jù)質(zhì)量要過(guò)關(guān)，很多時(shí)候收集到的數(shù)據(jù)原本很多，但在數(shù)據(jù)清洗階段后會(huì)被清洗到數(shù)據(jù)量不夠，這說(shuō)明這批數(shù)據(jù)的質(zhì)量不過(guò)關(guān)。由于現(xiàn)在網(wǎng)絡(luò)上公開的高質(zhì)量數(shù)據(jù)庫(kù)也在逐漸減少，所以推薦在有官方大量數(shù)據(jù)來(lái)源的情況下，進(jìn)行相關(guān)開發(fā)和研究。（二）數(shù)據(jù)整理.數(shù)據(jù)清洗消除明顯錯(cuò)誤的噪聲數(shù)據(jù)以及有殘缺不完整的問(wèn)題數(shù)據(jù)。首先要判別哪些信息列是顯然對(duì)預(yù)測(cè)結(jié)果沒(méi)有影響的，直接刪除這些列。然后，大多數(shù)時(shí)候收集到的數(shù)據(jù)不是所有列信息

3、都完整的，將沒(méi)有關(guān)鍵列信息或列信息錯(cuò)誤的數(shù)據(jù)刪除。.數(shù)據(jù)規(guī)約很多情況下數(shù)據(jù)挖掘模型需要對(duì)數(shù)據(jù)進(jìn)行歸一化等規(guī)范處理，以使模型的使用更加便利和準(zhǔn)確。（三）數(shù)據(jù)挖掘過(guò)程通過(guò)（一）和（二）的前期準(zhǔn)備，我們獲得了待分析的數(shù)據(jù)集，并將其存儲(chǔ)于數(shù)據(jù)庫(kù)中。接下來(lái)就是最關(guān)鍵和最核心的數(shù)據(jù)挖掘步驟。數(shù)據(jù)挖掘?qū)嶋H上可以被簡(jiǎn)單描述為從輸入數(shù)據(jù)得到輸出結(jié)果（有價(jià)值信息）的過(guò)程。為實(shí)現(xiàn)這一過(guò)程，最簡(jiǎn)單地可以使用統(tǒng)計(jì)學(xué)的相關(guān)技術(shù)，復(fù)雜一些的將會(huì)使用到復(fù)雜的數(shù)學(xué)知識(shí)或者機(jī)器學(xué)習(xí)和人工智能等專業(yè)的計(jì)算機(jī)技術(shù)。大多數(shù)時(shí)候挖掘模型絕不會(huì)很簡(jiǎn)單，復(fù)雜的模型才能挖掘出人類個(gè)體無(wú)法提取到的隱藏價(jià)值信息。復(fù)雜的模型首先是復(fù)合的，不會(huì)是單一

4、的一種技術(shù)。很多時(shí)候會(huì)需要最優(yōu)值求解與多層神經(jīng)網(wǎng)絡(luò)的復(fù)合，還有很多時(shí)候會(huì)使用深度學(xué)習(xí)。而且模型在嵌入數(shù)據(jù)測(cè)試的過(guò)程中需要調(diào)整，以達(dá)到最好的擬合效果。（四）模型評(píng)估與展示.模型評(píng)估模型能夠基本運(yùn)行后，最好請(qǐng)?jiān)擃I(lǐng)域?qū)I(yè)的分析師或?qū)＜襾?lái)評(píng)判該模型的好壞，從而進(jìn)一步完善模型。.知識(shí)表示在模型較為完善且可以為企業(yè)或個(gè)人所使用后，開發(fā)商通常會(huì)設(shè)計(jì)可視化知識(shí)圖譜，在報(bào)告會(huì)上為客戶展示該模型的核心思想。二、計(jì)算機(jī)挖掘技術(shù)的具體應(yīng)用計(jì)算機(jī)數(shù)據(jù)挖掘技術(shù)已被廣泛應(yīng)用于金融行業(yè)，其預(yù)測(cè)能力為金融產(chǎn)品用戶帶來(lái)了巨大的收益。除了老生常談的數(shù)據(jù)挖掘在市場(chǎng)營(yíng)銷、金融投資、電信行業(yè)等方面的應(yīng)用，下文著重提及了一些較冷門但價(jià)值很

5、大且處于前沿的領(lǐng)域研究。（一）自然災(zāi)害預(yù)測(cè)自然災(zāi)害影響著全球的人類和動(dòng)物的生命和財(cái)產(chǎn)。在許多情況下，原因不在我們的控制之下。在計(jì)算機(jī)數(shù)據(jù)挖掘技術(shù)的幫助下，政府或其他國(guó)家管理人員通過(guò)在系統(tǒng)中輸入本國(guó)的自然和人文概況信息，系統(tǒng)就可以預(yù)測(cè)出未來(lái)一段時(shí)間內(nèi)該國(guó)發(fā)生各類自然災(zāi)害的概率。該應(yīng)用對(duì)于國(guó)家制定自然災(zāi)害防范措施將具有重要意義。（二）信息安全管理方面的應(yīng)用將數(shù)據(jù)挖掘技術(shù)應(yīng)用于網(wǎng)絡(luò)信息安全管理系統(tǒng)，可以實(shí)現(xiàn)對(duì)網(wǎng)絡(luò)信息中各類安全事件的深度分類和關(guān)聯(lián)分析，從而提供有效的策略支持，以及描述網(wǎng)絡(luò)信息安全管理的狀況，為提高網(wǎng)絡(luò)信息安全的主動(dòng)防御能力提供技術(shù)支持。在信息安全管理方面，可以應(yīng)用計(jì)算機(jī)數(shù)據(jù)挖掘技術(shù)構(gòu)

6、建互聯(lián)網(wǎng)信息數(shù)據(jù)安全體系。同時(shí),由于計(jì)算機(jī)數(shù)據(jù)挖掘技術(shù)更新速度快，更有利于信息安全管理體系的及時(shí)完善，使互聯(lián)網(wǎng)信息安全管理體系更好地發(fā)揮信息安全保障作用。（三）公共衛(wèi)生醫(yī)療體系的應(yīng)用當(dāng)前公共衛(wèi)生醫(yī)療體系的現(xiàn)狀是大多數(shù)以線下公共衛(wèi)生平臺(tái)為主，依照傳統(tǒng)的公共衛(wèi)生醫(yī)療體系管理模式，沒(méi)有實(shí)現(xiàn)將其與現(xiàn)代科技技術(shù)融合。所以，為實(shí)現(xiàn)公共衛(wèi)生醫(yī)療服務(wù)的便利性，改變傳統(tǒng)的管理模式，更多地依賴線上平臺(tái)進(jìn)行公共醫(yī)療服務(wù)。同時(shí)在線上公共衛(wèi)生醫(yī)療服務(wù)平臺(tái)，依托計(jì)算機(jī)數(shù)據(jù)挖掘技術(shù)實(shí)現(xiàn)各項(xiàng)數(shù)據(jù)和信息的收集整理，節(jié)省人力物力，減少資源的浪費(fèi)。而且將計(jì)算機(jī)數(shù)據(jù)發(fā)掘技術(shù)應(yīng)用于公共衛(wèi)生醫(yī)療體系，保證公共衛(wèi)生醫(yī)療服務(wù)的全面覆蓋，數(shù)據(jù)接收的及時(shí)性和提高信息更新速度，提升公共衛(wèi)生醫(yī)療服務(wù)水平。結(jié)語(yǔ)：計(jì)算機(jī)數(shù)據(jù)挖掘的研究對(duì)于各領(lǐng)域的發(fā)展具有重要意義。越來(lái)越多的領(lǐng)域?qū)?huì)把計(jì)算機(jī)數(shù)據(jù)挖掘技術(shù)納為本領(lǐng)域未來(lái)發(fā)展的研究重點(diǎn)，