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：
u% n& l5 ^' V! i4 ?1 @
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。
, S+ t5 e; r6 m+ [0 ^+ R# I; l
8 h* K: k. e$ {4 E0 ~" |
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。
- }/ k: [& I1 ]/ O8 V
$ c0 _+ A- Y S7 Z. G0 a4 c
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。
$ S6 e! ?6 ^" A! a, `' C
" d! f+ F3 A7 ]; i3 l, ]- ?% V- j
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。
! m! A( N2 d6 E* j( @# T" x. A
! x. V9 @7 x% A- B9 {5 \5 e9 A, g( o9 }
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。
6 W3 {. n. x9 N
# A/ `9 F9 M+ Z
) M* ]% k" p8 M9 a
欢迎光临 数学建模社区-数学中国 (http://www.madio.net/)
Powered by Discuz! X2.5