数据挖掘的方法有哪些？【百科全说】

世界包含的多得难以想象的数字化信息变得更多更快……从商业到科学，从政府到艺术，这种影响无处不在。科学家和计算机工程师们给这种现象创造了一个新名词：“大数据”。大数据时代什么意思？大数据概念什么意思？大数据分析什么意思？所谓大数据，他的来源在哪里，讲了那么多，那么数据挖掘是什么呢？

大数据下的数据挖掘

01

数据挖掘：在大型数据库中，通过分析发现有用信息的过程。在前篇文章中说到大数据的存储等问题，面临新的数据集带来的问题时，传统的数据分析技术往往会遇到很多实际困难。下面我们来说一下具体的问题。
02

可伸缩：如果数据挖掘算法要处理海量数据集，则算法必须是可伸缩的（scalable）许多的数据挖掘算法使用特殊的搜索策略处理指数级搜索问题。为实现可伸缩可能还需要实现新的数据结构，才能有效的访问每个记录。
03

高维性：现在，常常遇到具有成败上千属性的数据集，而不是几十年前的只具备少量属性的数据集。
04

异种数据和复杂数据：通常情况下，传统的数据分析方法只处理包含相同类型属性的数据集，或者是连续的，或者是分类的。随着数据挖掘在商务、科学、医学和其他领域的作用越来越大，越来越需要处理异种属性的技术。近年来，已经出现了更复杂的数据对象。这些非传统的数据类型的例子有：含有半结构话文本和超链接的Web叶面集、具有序列和三维结构的DNA数据、包含地球表面不同位置上的时间序列测量值的气象数据等等。
05

数据的所有权与分布：有时，需要分析的数据并非存放在一个站点，或者归属一个机构，而是地理上分布在属于多个机构的资源中。这就需要开发分布式数据挖掘技术。分布式数据挖掘算法面临的主要挑战包括：（1）如何降低执行分布式计算的通信量？（2）如何有效的同意从多个资源得到的数据挖掘结果？（3）如何处理数据安全性问题？
06

非传统的分析：传统的统计方法基于一种假设——检验模式，即提出一种假设，设计实验来收集数据，然后针对假设来进行分析数据。但是，这一过程劳力费神。当前的数据分析人物常常需要产生和评估数千钟假设，因此需要自动地产生和评估假设，这促使人们开发了一些数据挖掘技术。

数据挖掘的方法有哪些？

大数据下的数据挖掘

相关推荐