王瑾

一般來說，在系統(tǒng)的“層次分析法構(gòu)建挖掘模型”體系結(jié)構(gòu)之中，主要包括數(shù)據(jù)挖掘處理模式、知識(shí)數(shù)據(jù)庫、數(shù)據(jù)挖掘處理方法、數(shù)據(jù)模型學(xué)習(xí)與數(shù)據(jù)模型評(píng)估等幾個(gè)方面的重要內(nèi)容。該系統(tǒng)從整個(gè)戰(zhàn)略的高度、不同層面的技術(shù)水平以及差異化的抽象層面來支撐不同挖掘組件之間的設(shè)置與組合，隨后再重新設(shè)計(jì)、實(shí)施整個(gè)數(shù)據(jù)挖掘過程，最終形成一個(gè)合理的“數(shù)據(jù)挖掘模型結(jié)構(gòu)”。

具體來說，“層次分析法構(gòu)建挖掘模型”從不同的角度和層次上對(duì)整個(gè)數(shù)據(jù)挖掘的過程進(jìn)行結(jié)構(gòu)化、系統(tǒng)化的處理和改進(jìn)。在層次分析法構(gòu)建挖掘模型流程開始的時(shí)候，為了提升整個(gè)模型的準(zhǔn)確性與高效性，知識(shí)數(shù)據(jù)庫會(huì)與各種挖掘模型方法通過交互或者是互動(dòng)的方式實(shí)施系統(tǒng)模型的自我學(xué)習(xí)。隨后，每一個(gè)模型也會(huì)與知識(shí)數(shù)據(jù)庫的構(gòu)成部分之一Analytical Base通過交互的方式對(duì)現(xiàn)存的模型系統(tǒng)進(jìn)行打分和評(píng)估。在完成了具體的評(píng)估與打分工作之后，它便會(huì)進(jìn)入到挖掘模式環(huán)節(jié)，然后對(duì)比分析每一個(gè)“挖掘模型方法”，對(duì)其進(jìn)行聚類、分類、回歸等相關(guān)的處理活動(dòng)，最后會(huì)在挖掘模式層之中按照從優(yōu)至劣的順序?qū)⒏鞣N模型進(jìn)行排列，并通過數(shù)據(jù)表格的方式表示出來。一般來說，“優(yōu)秀”的挖掘模型處于結(jié)構(gòu)的最頂端，隨后的是“成功”的挖掘模型。這些以數(shù)據(jù)表格呈現(xiàn)出來的排列結(jié)果會(huì)傳輸給執(zhí)行引擎進(jìn)行相關(guān)的處理，也即是對(duì)“優(yōu)秀”挖掘模型進(jìn)行數(shù)據(jù)的挖掘與預(yù)測(cè)活動(dòng)。在充分使用“Analytical Base”與“Knowledge Engine”的時(shí)候，執(zhí)行條件不同，挖掘模型評(píng)估結(jié)果的質(zhì)量水平也會(huì)呈現(xiàn)出比較大的差異，但是其模式分支可以自由地進(jìn)行插播，因此，不僅大大提升了工作效率，而且準(zhǔn)確性也會(huì)隨之有明顯的提高。這是層次分析法構(gòu)建挖掘模型的優(yōu)良之處。

“層次分析法構(gòu)建挖掘模型”的數(shù)據(jù)挖掘與處理的流程可以概括為：首先是建立相應(yīng)的層次結(jié)構(gòu)；其次是與知識(shí)數(shù)據(jù)庫進(jìn)行相關(guān)的交互活動(dòng)；第三是對(duì)既定模型系統(tǒng)的分析和學(xué)習(xí)；第四是選擇和評(píng)估合適的模型樣式。在整體的層次結(jié)構(gòu)設(shè)計(jì)過程中，通過先分解、后綜合的思想達(dá)到對(duì)“層次分析法構(gòu)建挖掘模型”系統(tǒng)分析的目的。

模型學(xué)習(xí)、模型評(píng)估以及模型學(xué)習(xí)與評(píng)估的影響關(guān)系是“層次分析法構(gòu)建挖掘模型”中的三個(gè)重要概念。第一，模型學(xué)習(xí)主要是在M-KPI環(huán)節(jié)實(shí)現(xiàn)的。其核心目的在于通過使用新的數(shù)據(jù)來更新原有模型，從而形成一個(gè)嶄新的模型樣式。模型之間的不同之處就在于新的數(shù)據(jù)建構(gòu)起新的模型，計(jì)算的設(shè)置、類型以及模型的范式都是一樣的。第二，模型評(píng)估是在M-KPI和M-CSF兩個(gè)層面發(fā)生的。輸入“樣品數(shù)據(jù)”，隨后進(jìn)行相關(guān)的評(píng)估和打分活動(dòng)，得到相應(yīng)的預(yù)測(cè)結(jié)果之后，通過實(shí)際結(jié)果來評(píng)估模型，并且給其賦予相關(guān)的“權(quán)值”。從而使所有M-KPI都能夠得到相應(yīng)的“權(quán)值”，以此來篩選評(píng)估模型和計(jì)算方法。第三，在模型學(xué)習(xí)與評(píng)估的影響關(guān)系方面，首先是各個(gè)M-KPI刷新模型，由此產(chǎn)生適合于新數(shù)據(jù)內(nèi)容的模型；其次通過“Analytics Data”來評(píng)估各個(gè)模型，因此，輸入迥異的需求數(shù)據(jù)，也能夠產(chǎn)生不同的線性結(jié)構(gòu)圖。通過綜合分析各個(gè)KPI的影響，各個(gè)M-CSF也就形成了特定的自適應(yīng)影響的波動(dòng)效果圖。

層次分析法構(gòu)建挖掘模型中包括諸多的成功關(guān)鍵因素，其中，分類-CSF作為層次分析法構(gòu)建挖掘模型中一個(gè)非常重要的成功關(guān)鍵因素，其目的是學(xué)會(huì)一個(gè)分類模型或者是分類函數(shù)，從而把復(fù)雜數(shù)據(jù)庫中的數(shù)據(jù)項(xiàng)映射到特定類別中的某一個(gè)模型之上，由此實(shí)現(xiàn)數(shù)據(jù)信息的聚合、分類與預(yù)測(cè)活動(dòng)。從系統(tǒng)內(nèi)容的角度來說，分類-CSF中包含決策樹算法、Bayes算法等諸多計(jì)算方式。比如Bayes分類算法假設(shè)是在特定的數(shù)據(jù)樣本中通過一個(gè)n維特征的向量來描述n個(gè)屬性特征的值。也即是說，X={x1，x2，x3，……，xm}，如果擁有 m個(gè)類別，就可以使用 C1，C2,C3，……，Cm來進(jìn)行表示。預(yù)存一個(gè)未知的數(shù)據(jù)樣本X，也即是沒有類標(biāo)號(hào)，如果將其分配給類Ci，也就一定會(huì)存在P（Ci/X）>P（Cj/X），1≤i≤m，1≤j≤m，j≠i。

根據(jù)此原理，對(duì)于所有類P(X)都為常數(shù)，因此P（Ci/X）作為最大化后驗(yàn)概率能夠轉(zhuǎn)換成為P（X/Ci）P（Ci），即最大化先驗(yàn)概率。假設(shè)諸多屬性和元組存在于訓(xùn)練數(shù)據(jù)集之中，核算P（X/Ci）開銷的概率就非常高。因此，大部分情況下假設(shè)各個(gè)屬性的取值都是相互獨(dú)立的。在此情況下，就能夠從訓(xùn)練數(shù)據(jù)庫中獲得先驗(yàn)概率 P（X1/Ci），P（X2/Ci），P（X3/Ci），……P（Xn/Ci）。依據(jù)此種計(jì)算方式，針對(duì)特定的未知樣本X，可以先計(jì)算出X樣本屬于每一個(gè)類別Ci的概率，隨后以概率最大的類別作為該未知樣本的類別。

為了識(shí)別該模型數(shù)據(jù)預(yù)測(cè)結(jié)果的準(zhǔn)確性，筆者以某醫(yī)院的醫(yī)療數(shù)據(jù)作為數(shù)據(jù)庫樣本來進(jìn)行數(shù)據(jù)挖掘的驗(yàn)證。首先通過DRUG I N系統(tǒng)來建立和學(xué)習(xí)該模型系統(tǒng)，隨后采用DRUG4N的真實(shí)數(shù)據(jù)來評(píng)估ACMC建立的諸多模型樣式，最終通過該系統(tǒng)得到Bayes分類算法所構(gòu)建的系統(tǒng)模型作為取得的最優(yōu)模型樣式。在此基礎(chǔ)上，筆者使用該模型來決定特定患者該使用什么樣類型的藥品。

[1]韓家煒，孟小峰.W eb挖掘研究[J].計(jì)算機(jī)研究與發(fā)展，2011，（4）:92-95.

[2]琚春華，郭飛鵬.基于支持向量機(jī)的分布數(shù)據(jù)挖掘模型DSVM[J].系統(tǒng)工程理論與實(shí)踐，2010，（10）:29-32.

[3]胡文瑜，孫志輝.數(shù)據(jù)挖掘取樣方法研究[J].計(jì)算機(jī)研究與發(fā)展，2011，（1）:43-46.