数据挖掘 论文

大数据背景下数据挖掘技术的应用研究

摘要：随着科技的发展，数据信息大量出现，越来越多的人想要从许多混杂的资源中找出最具有价值的信息。本文将从数据挖掘技术的基本概念入手，并结合当下现实来分析大数据的出现给数据挖掘技术应用带来的变化。在数据挖掘技术应用中主要从数据分析的利用和数据聚类的利用两大方面进行阐释，总体研究大数据背景下数据挖掘技术的应用。

关键词：大数据时代;数据挖掘技术;数据挖掘技术的应用

大数据的发展会带来大量的信息资源，人们的思维方式也会随之发生改变。于此同时信息发展也逐渐成为了开启信息时代的钥匙。全球各国普遍认识到数据的重要性及其对国家的发展发挥的许多重要意义，许多国家以此为基点制定适合自己国家发展的战略性计划，由此占领数据的高地，实现国家创新性发展。因此，大数据在当今时代具有极强的研究价值和应用价值。笔者将主要从大数据可视化给数据挖掘技术带来的影响为着眼点，进而进一步分析高性能计算（HPC）给数据挖掘技术带来的一定程度的影响，且通过这些变化研究大数据背景下数据挖掘技术的具体应用。

正文：当今的数据挖掘技术的理论已经成熟，数据挖掘技术的应用愈加广泛。受众趋向了解更多的数据挖掘技术，从而利用起大量的信息资源。我们对于大数据背景下的数据挖掘技术的具体应用，将会获得信息的有效运用和资源的科学整合。同时，掌握和了解到有关于数据挖掘技术的知识对普通受众来说不仅可以掌握到大量的数据资源，从而更好地利用这些资源为我们的生活实践服务，而且对于专业技术人员来说，广泛被大众所接受的数据挖掘知识前景将更加开阔，理论弹性增大，这将促进数据挖掘技术的进一步发展。

一、数据挖掘技术的概述

数据挖掘技术主要是一个搜索的过程，它主要利用算法进行搜索，并通过一定媒介，从大量的信息中提取对搜索者有用的信息资源。这个过程的原始数据被分成建模样本和分析样本两部分。建模样本将会经过数据预处理后变成预处理后的专家样本。而分析样本则会经过特征选择后变成预处理后的分析样本。专家样本和分析样本经过结果评价和建模规则等筛选，在最后产生搜索者所需要的挖掘结果。上述就是一般数据挖掘的数据模型的建立过程。整个过程也被认为是三个主要阶段：预处理阶段、挖掘阶段和知识表示及模式评价阶段。数据的预处理阶段主要是将系统采集到的最初始的数据转化为符合探索者需求的有用数据。数据挖掘就是根据存储的数据中数据的一般特性，选择合适工具，通过使用案例推理、规则推理等方法处理一般信息，其需要着重注意的地方在于挖掘任务。知识表示和模式评价阶段主要是进行评价工作，要求系统较为精准的将数据进行阐释，最终形成一套易于搜索者理解的表述方式。

学生超市购买商品的关联性分析

前言

“啤酒与尿布”是超市商品布局的一个经典案例，它是说在美国的沃尔玛超市中，将啤酒和尿布这两个看起来毫不相关的物品摆放在相邻的位置。其原因就是沃尔玛通过大量的数据分析，发现有非常多的年轻爸爸在购买尿布的时候会顺手购买一些啤酒，因此沃尔玛将这两样完全没有联系的商品放在了一起。这是关联分析在商业中一个非常成功的案例。

关联分析在超市中的应用，不仅仅局限在上述的沃尔玛的对超市商品布局的改善，特别针对于我校学生超市的特点，应用关联分析能够了解学生的购物特点及习惯，从而改善超市环境，提高收益。

我校学生超市的特点：

1. 规模较小。通常情况下，位于学校的超市其规模通常较小，由于这个特点，使得学生超市的布局改善的空间非常小。

2. 商品相对较为单一。作为学生超市，其服务对象基本都是学生，针对学生的特点，学生超市的商品通常以日用品为主，主要包括衣食住行中的食和住，此外有比较多的学习用品。

我校学生在学生超市消费的特点：

1. 购物以食物、生活用品和学习用品为主。

2. 购物时间比较集中。围绕着上课，学生在学生超市购物的时间主要集中在上午上课前、中午放学后、下午放学后以及晚自习后。

3. 在超市停留时间较短。通常情况下，我校学生在超市购物停留时间较短，更多的都是有目的性的购物。

正因为以上学生超市和学生购物的特点，我们在做关联分析的时候将商品主要集中在了食物、日用品和学习用品上。数据来源于我校学生实验超市，采集了2012年9月21日——9月30日的数据。

数据整理

我们所得到的数据主要存在的问题包括重复记录、存在退货等，因此主要使用EXCEL对存在重复记录和退货的情况处理。删除重复记录，使得每一项小票（代表一个ID）说购买的某种商品的记录都是1次，从而避免数据重复对分析结果的干扰。而对于退货的商品，这去除该项记录。经过这两项的整理，最后共得到有效的商品消费记录为45006项。

关联分析

写一篇《数据挖掘的算法》论文

数据挖掘是一种采用计算机技术来从大量数据中发掘有用信息的过程。它的目的是为了从海量的数据中发现新的信息、规律，并将其应用于商业、管理、工程和社会等领域，从而进行决策和控制。

数据挖掘的算法是数据挖掘的核心，它们具有非常重要的意义。现在，有三种常见的数据挖掘算法，即关联法、分类法和聚类法。

关联法是指利用统计技术，从大量数据中发现不同事物之间的关联性，从而进行复杂数据集的分析和探索。它具有快速、精准、可靠等优点，可以帮助我们找出特定的数据属性之间的关联关系，帮助决策者做出正确的判断。

分类法是指基于特征值，将目标对象归类到特定的类别或群体中，常见的分类算法包括逻辑回归、决策树和支持向量机等。它可以帮助我们快速地划分类别和数据，使我们了解特定类别数据的分布情况，以便进行更好的分析和挖掘。

聚类法是指根据目标对象的特征值，将其分为不同的聚类，从而获得聚类之间的相似性和差异性。层次聚类分析、K-均值聚类等是常见的聚类方法。通过这种方式，我们可以有效地发现数据集中的隐藏规律和特征，它有助于我们掌握数据的空间构成和特征分布，从而为后续的操作提供备选方案或策略。

以上就是数据挖掘的三种算法的基本介绍。它们在数据挖掘中扮演着重要的角色，我们可以根据实际需要，利用合适的方法，从海量数据中获取有用的信息，为后续决策提供可靠的支持。

数据挖掘技术与实验课程论文

西安欧亚学院

数据挖掘技术与实验课程论文

学生姓名 王川

学生学号 **************

所在分院 金融学院

专 业 经济统计学

班 级 统本统计13级管理统计方向

提交日期 二〇一六年6月25日

题 目 全国近20年来人口增长原因分析

数据挖掘技术与实验课程论文

摘 要

在“二胎政策”全面实施的背景下，我国人口增长形势将继续持续下去。而影响人口的增长的因素有人口出生率、婚姻登记数量、居民消费水平、参加生育保险人数和医疗发展程度有关。

对这些数据进行相关分析，结果显示这些因素和人口数量的增长可用多元线性回归方程表示，同时可用多因素方差分析，研究这些因素的不同水平是否对人口的增长产生显著影响。

R软件是一种开源的免费数据分析软件，功能强大，是数据分析工作者的首选软件之一。

关键词：R语言；多元线性回归分析；方差分析。

数据挖掘技术与实验课程论文

目 录

引言............................................................1

1.1 选题的背景和意义..................................1

1.2 研究方法与思路....................................1

正文...................................................2

2.1 前言..............................................2

2.2 数据分析..........................................2

2.2.1 数据预处理......................................2

2.2.2回归分析.........................................4