数学建模社区-数学中国
标题:
数据挖掘的特点
[打印本页]
作者:
浅夏110
时间:
2018-11-2 09:11
标题:
数据挖掘的特点
数据挖掘具有以下几个特点：
2 q8 c* B) }0 }8 {
1，基于大量数据：并非说小数据量上就不可以进行挖掘，实际上大多数数据挖掘的算法都可以在小数据量上运行并得到结果。但是，一方面过小的数据量完全可以通过人工分析来总结规律，另一方面来说，小数据量常常无法反映出真实世界中的普遍特性。
4 P0 p8 y7 V! L' B2 h# r
, c d9 b1 P) W. Y( u
2，非平凡性：所谓非平凡，指的是挖掘出来的知识应该是不简单的，绝不能是类似某著名体育评论员所说的“经过我的计算，我发现了一个有趣的现象，到本场比赛结束为止，这届世界杯的进球数和失球数是一样的。非常的巧合！”那种知识。这点看起来勿庸赘言，但是很多不懂业务知识的数据挖掘新手却常常犯这种错误。
0 p' _$ i% o+ G
0 H7 @3 ^1 ^" {2 p/ U, M
3，隐含性：数据挖掘是要发现深藏在数据内部的知识，而不是那些直接浮现在数据表面的信息。常用的BI工具，例如报表和OLAP，完全可以让用户找出这些信息。
5 @( R1 c3 L; P* I1 a: ~
& @8 M% X0 l3 i% r
4，新奇性：挖掘出来的知识应该是以前未知的，否则只不过是验证了业务专家的经验而已。只有全新的知识，才可以帮助企业获得进一步的洞察力。
8 D: a5 B! y2 H6 u( H
8 D, }: s& B W( ?+ W6 w
5，价值性：挖掘的结果必须能给企业带来直接的或间接的效益。有人说数据挖掘只是“屠龙之技”，看起来神乎其神，却什么用处也没有。这只是一种误解，不可否认的是在一些数据挖掘项目中，或者因为缺乏明确的业务目标，或者因为数据质量的不足，或者因为人们对改变业务流程的抵制，或者因为挖掘人员的经验不足，都会导致效果不佳甚至完全没有效果。但大量的成功案例也在证明，数据挖掘的确可以变成提升效益的利器。
/ p, P) K- U+ s K6 [% Q7 q
5 j7 F8 O' S4 y9 `" `2 Q! t
$ F( I; ?3 ^; q4 s, H2 p6 H
欢迎光临 数学建模社区-数学中国 (http://www.madio.net/)
Powered by Discuz! X2.5