统计学与数据挖掘的比较分析

数据挖掘与统计学有着千丝万缕的联系,本文希望在等同的角度,从数据挖掘并非统计学分支的观点出发来阐释两门学科,既着眼于二者相重叠的地方,更重视二者的区别,并考虑一些其他与数据挖掘相关的问题。     

流式数据挖掘的现状及统计的研究趋势

摘　　要:本文对近年来在国内外学术界涌现出的流式数据挖掘的研究成果进行剖析,分析了流式数据挖掘的研究现状。在此基础上,提出了统计学在流式数据挖掘研究中的发展趋势,以便更好地促进统计学和数据挖掘的结合,拓展统计学方法的研究思路。     

数据挖掘技术及其应用现状

本文对数据挖掘技术进行了回顾,介绍了目前在数据挖掘中常用的方法和工具,列举了它的一些应用,指出了数据挖掘中存在的一些问题.     

数据挖掘在物流业的应用综述

数据挖掘作为快速有效地从海量数据中提取有效信息的工具,在现代物流业得到了广泛的应用.文章从数据挖掘的基本技术、数据挖掘在物流需求预测、物流决策以及客户关系管理等方面的应用现状及存在的问题出发,对目前这一领域内的研究进行了回顾和评论,并对数据挖掘在物流的发展前景进行了展望.     

数据挖掘与若干概念的异同

讨论数据挖掘时,有些实业界的朋友会说“我们早就在做数据挖掘了”,但事实上多数企业只是建置了一些数据仓库,至多也仅仅是一些OLAP应用。事实上,与“数据挖掘”相关的概念包括数据仓库、OLAP、知识发现(KDD)、统计分析等,这些概念与数据挖掘的混淆容易使人们对数据挖掘产生模糊理解从而影响实际数据挖掘工作的开展,因此本文拟对这些相关概念进行初步厘清以利于数据挖掘研究与应用的发展。数据挖掘与数据仓库企业构建数据仓库时通常会嵌入一些在线查询工具,因此使得许多人对于数据仓库(DataWarehouse)和数据挖掘(DataMining)经常发生…     

数据挖掘中抽样技术的应用

本文介绍了数据挖掘中抽样技术运用的历史与现状,总结了数据挖掘领域对抽样技术研究和使用中存在的问题,并指出了数据挖掘中抽样技术未来研究方向和发展前景。     

对统计学领域数据挖掘研究的反思

数据挖掘是一门新兴交叉学科,近年来受到各界的广泛关注。统计学者从统计学视角开展了数据挖掘理论及应用研究,并取得了一定的研究成果。文章对相关著作和论文进行了分析研究,并在此基础上展望了数据挖掘的研究趋势。     

数据挖掘的隐私问题

信息技术的发展使人们能够收集和处理大量的个人数据,如犯罪记录、购物习惯、信用和医疗历史以及驾驶记录。这些信息无疑在许多领域,如医疗研究、法律实施和国家安全方面等非常有用。但是,个人隐私问题正在日益被关注,隐私普遍问题被认为是个人关于自己信息的一种控制。数据挖掘技术的出现重新引发了以下的隐私问题:个人信息的二次使用;处理错误的信息;对个人信息的深入访问。凡此种是表明了现存的法律隐私和政策远远落后于技术的发展,并不再能提供足够的保护。因此,文章从数据挖掘的角度对隐私问题提出了新的挑战。     

信息时代的指南针——数据挖掘

本文从产生的必然性、功能、方法、应用、出版物及工具方面系统的介绍了在信息时代面对竞争和做出正确决策必备的关键技术———数据挖掘 ,并对数据挖掘的商业前景、发展方向作了展望 ,最后根据自己的体会总结了数据挖掘的特征及对相大学科可能产生的影响。     

基于粗糙集聚类的高维离群点数据挖掘算法

本文回顾了离群点数据挖掘技术的研究成果,对高维离群点数据挖掘技术进行了简要的评述,并在此基础上提出了一种基于粗糙聚类的高维离群点数据挖掘的算法,采用粗糙集方法选择出最优子空间,直接对高维空间数据进行聚类,并对子空间离群点进行数据挖掘,取得了良好的效果。     

数据挖掘中基于似然比假设检验的连续属性离散化方法

连续属性的离散化在数据挖掘中有着非常重要的作用。本文从独立性角度考虑,提出一种基于似然比假设检验的连续属性离散化方法,有效避免了chi2算法中的局限性并在统计模拟中取得了良好的效果。     

数据挖掘技术的应用及发展

数据挖掘是从大量的数据中发现其潜在规律的技术,是当前计算机科学及统计科学研究的热点之一。文章介绍了数据挖掘的概念、功能、数据挖掘过程、常用方法等;探讨了数据挖掘领域面临的问题;论述了数据挖掘与统计分析的关系,并对国内外研究现状及发展情况做了介绍。     

基于本体的数据挖掘在CRM决策分析中的应用

文章融合了本体和数据挖掘技术,提出了基于本体的数据挖掘决策分析模型,利用基于本体的数据挖掘方法从语义层面上实现了对用户数据的挖掘,实现了用户数据的高效率和高精度挖掘,并根据挖掘结果进行决策分析,根据分析结果为用户提供基于RSS聚合的个性化服务.     

数据挖掘的方法、流程及应用

数据挖掘是一种新兴的信息处理技术,其主要特点是对数据仓库中的大量业务数据进行抽取、转换、分析和建模工作以获取辅助决策的关键信息。目前数据挖掘在众多领域都得到应用,给各行业带来了实际收益。比如在保险业,通过数据挖掘可以建诈欺诈侦测模型,降低企业成本,在金融业可以协助企业建立交易规则,增加企业把握市场的能力等。为满足读者要求,使实务工作者掌握这一新兴数据分析技术,本刊将与中国人民大学数据挖掘中心合作,连续刊登相关文章对数据挖掘进行介绍,欢迎有共同志向的读者投稿。     

基于组合分类挖掘模型的调查问卷数据预处理

文章在Bates和Granger对时间序列的组合预测模型的理论基础上,灵活运用数据挖掘的思维和Clementine数据挖掘软件中的相关节点,充分利用问卷中已有信息构造组合分类数据挖掘模型,对《影响中国人际关系和谐因素调查问卷》进行分类了预处理。     

国外数据挖掘应用研究与发展分析

目前“数据挖掘(Data Mining,DM)”这一术语在学术界还没有一个公认的、权威的定义,但我们一般可以简单的认为数据挖掘是从海量数据中发现趋势或模式的过程。尽管有些人不愿承认数据挖掘与统计学的内在联系,但不可否认的是早期的数据挖掘的确脱胎于统计学,因此也可以说数据挖掘是利用统计学和机器学习技术创建预测行为的模型。需要强调的是数据挖掘的过程是一个“发现”的过程,而不是“发明”的过程。换句话说,数据挖掘所探寻的模式,是一种已有的、只是隐藏在数据中、暂时没有被发现的知识。世界上对数据挖掘的正式研究始于1989年8月举行…     

基于函数型数据分析的数据挖掘功能研究

数据挖掘功能是数据挖掘研究与应用的一个重要方面。数据挖掘功能用于指定数据挖掘任务中要找的模式类型。当前,数据挖掘的功能所处理的主要是传统的数据,对于函数型数据的研究还不是很多。文章探讨了数据挖掘中可以挖掘的几种函数型数据模式,包括数据描述、分类、聚类和回归。     

数据挖掘的聚类方法

聚类是数据挖掘领域中的一个重要研究课题.本文介绍了数据挖掘领域中对聚类分析的典型要求、主要规则及数据挖掘领域中的聚类的有效性衡量.     

基于统计数据的OLAP数据挖掘技术

一、概述数据挖掘是 90年代中后期兴起的一门跨学科的综合研究领域 ,它集计算机机器学习、统计学、数据库管理、数据仓库、可视化、并行计算、决策支持为一体 ,利用数据库、数据仓库技术存储和管理数据 ,利用机器学习和统计学方法分析数据 ,旨在发现大量复杂数据中蕴含的有价值的知识和信息。目前 ,随着数据挖掘应用的不断开展以及客观现实对数据分析需求的不断增长 ,人们越来越认识到数据挖掘的重要性和必要性。数据挖掘通过对数据的总结、分类、聚类、关联等分析 ,实现对数据内在结构特征的理解和对未知数据的预测。其中 ,数据总结是在数…     

变量选择方法及其在健康食品市场研究中的应用探究

数据挖掘是在大数据中提取客观规律的方法与艺术，如何准确与快速地提取合适的特征变量是其研究的关键问题之一。在模拟分析比较各种数据挖掘算法和提取变量效果的基础上，通过对健康食品市场进行实证研究，指出目前数据挖掘算法存在的不足及发展前景。