楊雁瑩

（南京森林警察學院 江蘇省南京市 210023）

1 數據挖掘的技術方法

對數據挖掘的技術方法進行分類，主要可以分為兩個類別，首先是統(tǒng)計型，統(tǒng)計型類別里的技術主要有概率分析、相關性以及判別分析等等，其二是人工智能當中的機器學習型，這種技術主要是經過發(fā)亮的訓練和學習，在樣品當中得出相應的參數或者是模式[1]。在數據挖掘技術應用的過程當中，需要不斷對具有價值的信息進行挖掘，不同的數據挖掘技術基本都秉持著相同的思路和步驟，但是實際操作起來也有一定的區(qū)別。不同的數據挖掘技術都有著突出性的功能特點，并且應用的領域范圍也是并不相同的，在對相應的數據進行挖掘的時候，需要針對數據的類型對數據挖掘技術進行合理的選擇，選擇不同的數據挖掘技術會直接影響到最后數據得出的效果，但是在實際進行數據挖掘的過程中，往往會采用多種技術結合的方式對數據進行挖掘，這樣多種技術之間可以進行優(yōu)勢的互補。文章以下將針對數據挖掘當中常用的集中技術進行分析，并對其中的優(yōu)缺點，以及主要的應用領域進行分析[2]。

1.1 關聯(lián)分析

關聯(lián)分析是一種常用的數據挖掘技術，并且具有著非常強的實用性。關聯(lián)分析主要是從大量的數據當中依照一定的基本思路，發(fā)現其中具有關聯(lián)性或者是依賴性的知識。關聯(lián)分析的基板思路就是：由W 到B，其中W 表示為屬性集，而B 表示為性個體，對此進行簡單的解釋就是，在一個數據庫當中，W 屬性集是具有真值的，但是個體B 是具有真值的可能性以及一定趨勢的。關聯(lián)分析當中常常會使用到貨籃分析這種形式，也是最常用的一種形式，其中會使用到兩種屬性值進行度量，也就是支持度以及置信度，這樣以來就構建出了一個“支持度-置信度”的框架結構。比如將這種模型放在零售業(yè)當中，分析客戶在購買完電腦之后，再購買打印機的概率是多少，這對于零售業(yè)之后產品的布局以及產品的管理具有著非常重要的現實意義[3]。將這種模型用于制造業(yè)當中，就可以分析事件A與事件B 發(fā)生之后，在發(fā)生事件C 的概率是多少，這樣的計算具有著非常大的作用，并且這種關聯(lián)分析技術常常會用于事故的檢修和檢測工作當中。關聯(lián)規(guī)則可以對大量的數據，尤其是關系數據進行分析，對大量數據當中的信息和知識進行分析，這樣可以對相應事件的概率進行估計，這在零售業(yè)、制造業(yè)以及通訊行業(yè)當中都得到了較為廣泛的應用。

1.2 決策樹

決策樹這種數據挖掘方法，主要是根據大量數據的屬性值分別進行分類，最常用的分類方式就是“If-then”模式。決策樹這種方式具有著極強的可理解性，可以比較直觀的理解數據之間的聯(lián)系，決策樹和神經網絡是有一定的區(qū)別的，決策樹可以對得出結論的整個過程進行解釋，但是也存在一定的缺點，也就是在處理一些相對復雜的數據的時候，決策樹具有著較大的分支，在實際進行管理的過程中具有著較大的管理難度，不僅如此決策樹還存在著數據缺值的問題。決策樹具有著CART、CHAID 等多種算法，但是目前還出現了SLIQ 以及SPRINT 這兩種新的算法，可以使用到很大的訓練集對整個決策樹進行歸納，同時處理分類屬性以及連續(xù)性屬性[4]。

1.3 遺傳算法

遺傳算法是基于生物進化而得出的一種組合優(yōu)化的方式，也是計算機科學和生物學結合得出的一種數據挖掘技術。遺傳算法是智能計算技術當中非常重要的一種，遺傳算法最早是從生物進化論當中引出的，遺傳算法具有隨機搜索以及優(yōu)化處理的作用。在1975年美國的密西根大學D.J.Holland教授，根據自然界的適者生存原則，并結合生命進化的機制，逐漸形成了由當前群體中最適合的規(guī)則組成的新的群體，以及這些這些規(guī)則的后代[5]。根據這個思路，得出了遺傳算法這個新的概念，并獲取了相應的模型，并在后續(xù)的實驗當中對這個數據模型進一步進行了優(yōu)化。遺傳算法從根本上來看是一種弱方法，并且對信息數據并沒有過高的要求，所以遺傳算法具有著極強的靈活性，實際使用起來具有極強的高效性。并且在進行數據挖掘的過程中，遺傳算法也可以用于評估其他算法的適合度。遺傳算法擅長于數據聚類，并且可以從時間和空間兩個方面對數據進行類比，這樣可以將大量的信息數據進行系統(tǒng)化的處理，梳理數據之間的內在聯(lián)系并建立相應的概念。在進行數據挖掘模型的過程中，需要將遺傳算法和神經網絡兩種方式有效的結合到一起，這樣可以提升數據模型的可理解性。首先，遺傳算法在進行計算的時候會形成串集的數字，并且秉持著問題分析的原理，對其中的串集進行搜索，在進行分析的時候時刻注重對計算整體進行處理，并不是對其中單一的問題進行解釋。所以這也是遺傳算法非常明顯的優(yōu)勢，和傳統(tǒng)算法當中對單個初始值計算的方式不同，遺傳算法注重整體的計算分析，并且遺傳算法的搜索范圍涉及面極廣，可以覆蓋到整個問題的體系，針對全局對問題進行解答和分析。其次，遺傳算法的搜索往往都是以整體作為出發(fā)點，和傳統(tǒng)單點搜索的搜索算法相比，遺傳算法的運作更加節(jié)省搜索的時間，并且搜索的范圍從局部逐漸擴展到整體當中，所以遺傳算法在進行計算的過程當中，往往是依靠處理群體為主要的基礎，并隨整個問題的空間進行逐個的搜索和計算，并隨整體進行分析，所以可以從根本上降低處理問題的風險，由此實現問題計算化的處理[6]。

2 數據挖掘技術的實際應用

數據挖掘技術近幾年來得到較為廣泛的應用，各行各業(yè)也開始對數據挖掘技術引起一定的重視。數據挖掘技術最早應用于商業(yè)領域當中，數據挖掘技術的應用可以幫助企業(yè)提升自身的競爭優(yōu)勢，并且盡可能的縮短自身的銷售周期，從而降低企業(yè)生產過程當中的成本，對于企業(yè)未來的規(guī)劃以及戰(zhàn)略方針的制定起到了非常重要的作用。當前，數據挖掘技術已經成為了電子商務當中非常重要的核心技術，數據挖掘技術在開發(fā)信息資源領域當中具有著較強的優(yōu)越性，隨著數據挖掘技術的不斷發(fā)展，數據挖掘技術已經被逐漸應用于制造業(yè)、保險領域以及醫(yī)療領域等行業(yè)當中。

2.1 數據挖掘技術在零售業(yè)當中的應用

目前零售業(yè)對數據挖掘技術的應用相對活躍，并且借助數據挖掘技術可以更加清楚的了解到客戶的喜好，以及購買的趨向，這對于零售行業(yè)未來銷售策略的制定起到了非常重要的作用。往往會采用關聯(lián)規(guī)則對客戶數據進行挖掘，并針對客戶對郵件的回應效率分析出客戶的特征，以此針對性的開展后續(xù)的銷售業(yè)務，并對廣告工作的開展起到了指導性的作用。除此之外，借助數據挖掘技術還可以對顧客的忠誠度進行有效的分析，根據分析得出的結果實時的調整相應的數據，以及產品的類型，后續(xù)根據顧客的喜好調整銷售服務。這樣的過程不僅可以最大程度上保留現有的客戶，并不斷挖掘潛在的客戶。所以數據挖掘技術在零售行業(yè)的應用，可以進一步擴大自身的銷售規(guī)模以及銷售范圍，并從根本上增加銷售量，線上銷售得出的數據，可以通過數據挖掘技術得出產品的相關信息，并且得出客戶的購買習慣，這樣可以實時調整后續(xù)的銷售策略。

2.2 數據挖掘技術在保險行業(yè)的應用

隨著我國經濟的不斷發(fā)展，社會保障體系也在不斷的完善當中，在這樣的背景之下保險業(yè)得到了進一步的發(fā)展，并且發(fā)揮出越來越重要的作用。保險行業(yè)目前面臨最重要的問題，就是如何盡可能的維系現有的客戶，并盡可能挖掘到潛在的客戶，并及時識別到可能存在的詐騙行為。數據挖掘技術可以有效的解決這些問題，數據挖掘技術可以對保險行業(yè)當中的業(yè)務數據以及客戶數據等多個類別的數據進行分析，綜合性的分析可以對保險公司后續(xù)的發(fā)展給予一定的幫助，可以對保險公司的市場進行分析，并進行風險評估、財務預算等多種工作，所以數據挖掘技術的運用極大程度上提升了保險企業(yè)的抗經營風險的能力和水平，這也為保險企業(yè)開展科學決策提供合理、科學的評判依據。基于此，保險企業(yè)可以建立相應的預測模型，并對投保人根據一定的類別和層次進行歸類，并對索賠投保人的特征進行總結，建立相應的模型之后對索賠的相關信息和次數進行統(tǒng)計，這樣可以更加科學合理的了解到客戶行為。除此之外，數據挖掘技術的應用，可以有效分析欺詐案件內部的線索以及特征，這樣可以從根本上預防欺詐案件的發(fā)生，盡可能的減少保險公司的資金損失?；诖耍枰獙ν侗Ｈ说母鞣矫娴臓顩r進行有效的記錄，這樣可以從內在因素找出索賠的關聯(lián)性。

2.3 數據挖掘技術在金融行業(yè)當中的應用

金融行業(yè)的數據相對是完整的，并且數據的質量是非常高的，數據挖掘技術最早應用于商業(yè)領域，也因此數據挖掘在金融領域當中的應用相對成熟，數據挖掘技術的應用取得了較好的社會效益以及經濟效益。數據挖掘技術可以有效分析金融行業(yè)市場波動的主要因素，并基于此建立相應的預測模型，并根據模型進行相應的投資分析以及預測，這樣可以盡可能的避免由于市場波動而造成的不良影響，為后續(xù)的投資和相關決策提供合理且科學的依據。預測模型需要綜合客戶端額教育水平、工資收入以及個人信譽等各種因素，最終分析得出影響信貸的主要原因，這樣可以更加針對性的調整相應的貸款開放政策。不僅如此，可以根據信用欺詐等各類信息，建立相應的預測模型，這樣可以極大程度上幫助銀行預防具有潛在欺詐性的事件，并且可以極大程度上預防銀行資金的非法流失。除此之外，預測模型的建立還可以幫助銀行盡可能的挖掘潛在的、有價值的客戶，并開展跨區(qū)域銷售業(yè)務，并最大程度上加強用戶和銀行之間的關系。在進行證券交易的過程當中，可以科學的對股票進行預測，并盡早的發(fā)現賬務造價以及利潤超重等問題，這樣可以極大程度上避免嚴重的經濟損失。

2.4 數據挖掘技術在醫(yī)療行業(yè)當中的應用

在醫(yī)療保健行業(yè)當中，醫(yī)學以及生物工藝學在對基因進行分析的過程當中，需要對大量的基因數據進行處理，數據挖掘技術的應用可以極大程度上挖掘基因數據當中潛在的價值，有助于對數據的研究和理解。在醫(yī)學領域當中，在針對一些疑難雜癥進行研究的過程中，也可以使用到數據挖掘技術，并基于此建立相應的醫(yī)療數據模型，根據模型進行分析，找出醫(yī)療數據內在一些聯(lián)系，得出線索之后可以針對性的進行研究，這對于推動醫(yī)學研究的發(fā)展起到了非常重要的作用。不僅如此，數據挖掘技術還可以應用于醫(yī)學歷史數據的處理當中，這樣可以盡快的找到疾病產生的原因，并且根據數據的分析，更加合理的搭配藥物，并針對病人的狀況制定相應的治療方案。

3 結束語

數據挖掘技術的誕生順應了這個時代的發(fā)展，目前數據挖掘技術在金融領域、醫(yī)療領域以及電信等領域都得到了較為廣泛的應用，數據挖掘成為挖掘信息資源非常有效的一種方式，也因此數據挖掘具有著非常廣闊的市場發(fā)展前景。但是目前數據挖掘技術還存在著很多的問題，并且數據挖掘技術存在著很大的潛在應用市場以及應用領域，所以數據挖掘技術應當盡可能減少其盲目性，并在不斷完善該項技術過程中，找到數據挖掘技術的核心的價值，這對于數據挖掘技術實際的應用具有十分重要的指導意義。