數(shù)據(jù)挖掘報告（模板）

本文格式為Word版，下載可任意編輯——數(shù)據(jù)挖掘報告（模板）第一章：數(shù)據(jù)挖掘基本理論

數(shù)據(jù)挖掘的產(chǎn)生：

隨著計算機(jī)硬件和軟件的飛速發(fā)展，特別是數(shù)據(jù)庫技術(shù)與應(yīng)用的日益普及，人們面臨著快速擴(kuò)張的數(shù)據(jù)海洋，如何有效利用這一豐富數(shù)據(jù)海洋的寶藏為人類服務(wù)業(yè)已成為廣大信息技術(shù)工的所重點關(guān)注的焦點之一。與日趨成熟的數(shù)據(jù)管理技術(shù)與軟件工具相比，人們所依靠的數(shù)據(jù)分析工具功能，卻無法有效地為決策者提供其決策支持所需要的相關(guān)知識，從而形成了一種獨特的現(xiàn)象“豐富的數(shù)據(jù)，貧乏的知識〞。

為有效解決這一問題，自二十世紀(jì)90年代開始，數(shù)據(jù)挖掘技術(shù)逐步發(fā)展起來，數(shù)據(jù)挖掘技術(shù)的迅速發(fā)展，得益于目前全世界所擁有的巨大數(shù)據(jù)資源以及對將這些數(shù)據(jù)資源轉(zhuǎn)換為信息和知識資源的巨大需求，對信息和知識的需求來自各行各業(yè)，從商業(yè)管理、生產(chǎn)控制、市場分析到工程設(shè)計、科學(xué)摸索等。數(shù)據(jù)挖掘可以視為是數(shù)據(jù)管理與分析技術(shù)的自然進(jìn)化產(chǎn)物。自六十年代開始，數(shù)據(jù)庫及信息技術(shù)就逐步從基本的文件處理系統(tǒng)發(fā)展為更繁雜功能更強(qiáng)大的數(shù)據(jù)庫系統(tǒng)；七十年代的數(shù)據(jù)庫系統(tǒng)的研究與發(fā)展，最終導(dǎo)致了關(guān)系數(shù)據(jù)庫系統(tǒng)、數(shù)據(jù)建模工具、索引與數(shù)據(jù)組織技術(shù)的迅速發(fā)展，這時用戶獲得了更便利靈活的數(shù)據(jù)存取語言和界面；此外在線事務(wù)處理手段的出現(xiàn)也極大地推動了關(guān)系數(shù)據(jù)庫技術(shù)的應(yīng)用普及，特別是在大數(shù)據(jù)量存儲、檢索和管理的實際應(yīng)用領(lǐng)域。

自八十年代中期開始，關(guān)系數(shù)據(jù)庫技術(shù)被普遍采用，新一輪研究與開發(fā)新型與強(qiáng)大的數(shù)據(jù)庫系統(tǒng)悄然興起，并提出了大量先進(jìn)的數(shù)據(jù)模型：擴(kuò)展關(guān)系模型、面向?qū)ο竽Ｐ?、演繹模型等；以及應(yīng)用數(shù)據(jù)庫系統(tǒng):空間數(shù)據(jù)庫、時序數(shù)據(jù)庫、多媒體數(shù)據(jù)庫等；日前異構(gòu)數(shù)據(jù)庫系統(tǒng)和基于互聯(lián)網(wǎng)的全球信息系統(tǒng)也已開始出現(xiàn)并在信息工業(yè)中開始扮演重要角色。

被收集并存儲在眾多數(shù)據(jù)庫中且正在快速增長的巨大數(shù)據(jù)，已遠(yuǎn)遠(yuǎn)超過人類的處理和分析理解能力（在不借助功能強(qiáng)大的工具狀況下），這樣存儲在數(shù)據(jù)庫中的數(shù)據(jù)就成為“數(shù)據(jù)墳?zāi)龚?，即這些數(shù)據(jù)極少被訪問，結(jié)果大量重要的決策不是基于這些基礎(chǔ)數(shù)據(jù)而是依靠決策者的直覺而制定的，其中的原因很簡單，這些決策的制定者沒有適合的工具幫助其從數(shù)據(jù)中抽取出所需的信息知識。而數(shù)據(jù)挖掘工具可以幫助從大量數(shù)據(jù)中發(fā)現(xiàn)所存在的特定模式規(guī)律，從而可以為商業(yè)活動、科學(xué)摸索和醫(yī)學(xué)研究等諸多領(lǐng)域提供所必需的信息知識。數(shù)據(jù)與信息知識之間的巨大差距迫切需要系統(tǒng)地開發(fā)數(shù)據(jù)挖掘工具，來幫助實現(xiàn)將“數(shù)據(jù)墳?zāi)龚曋械臄?shù)據(jù)轉(zhuǎn)化為知識資產(chǎn)。

數(shù)據(jù)挖掘的概念：

數(shù)據(jù)挖掘，在人工智能領(lǐng)域，習(xí)慣上又稱為數(shù)據(jù)庫中知識發(fā)現(xiàn)(KnowledgeDiscoveryinDatabase,KDD)，也有人把數(shù)據(jù)挖掘視為數(shù)據(jù)庫中知識發(fā)現(xiàn)過程的一個基本步驟。知識發(fā)現(xiàn)過程以下三個階段組成：（1）數(shù)據(jù)準(zhǔn)備，（2）數(shù)據(jù)挖掘，（3）結(jié)果表達(dá)和解釋。數(shù)據(jù)挖掘可以與用戶或知識庫交互。

并非所有的信息發(fā)現(xiàn)任務(wù)都被視為數(shù)據(jù)挖掘。例如，使用數(shù)據(jù)庫管理系統(tǒng)查找個別的記錄，或通過因特網(wǎng)的探尋引擎查找特定的Web頁面，則是信息檢索（informationretrieval）領(lǐng)域的任務(wù)。雖然這些任務(wù)是重要的，可能涉及使用繁雜的算法和數(shù)據(jù)結(jié)構(gòu)，但是它們主要依靠傳統(tǒng)的計算機(jī)科學(xué)技術(shù)和數(shù)據(jù)的明顯特征來創(chuàng)立索引結(jié)構(gòu)，從而有效地組織和檢索信息。盡管如此，數(shù)據(jù)挖掘技術(shù)也已用來加強(qiáng)信息檢索系統(tǒng)的能力。

數(shù)據(jù)挖掘的步驟：

1.確定挖掘?qū)ο螅憾x明了的挖掘?qū)ο?，認(rèn)清數(shù)據(jù)挖掘的目標(biāo)是數(shù)據(jù)挖掘的第一步。數(shù)據(jù)挖掘的最終結(jié)果往往是不可預(yù)計的，但是要解決的問題應(yīng)當(dāng)是有預(yù)見性的、有目標(biāo)的。在數(shù)據(jù)挖掘的第一步中，有時還需要用戶提供一些先驗知識。這些先驗知識可能是用戶的業(yè)務(wù)領(lǐng)域知識或是以前數(shù)據(jù)挖掘所得到的初步成果。這就意味著數(shù)據(jù)挖掘是一個過程，在挖掘過程中可能會提出新的問題；可能會嘗試用其他的方法來檢驗數(shù)據(jù)，在數(shù)據(jù)的子集上展開研究。

2.數(shù)據(jù)收集：數(shù)據(jù)是挖掘知識最原始的資料。“垃圾進(jìn)，垃圾出〞，只有從正確的數(shù)據(jù)中才能挖掘到有用的知識。為特定問題選擇數(shù)據(jù)需要領(lǐng)域?qū)＜覅⑴c。因此，領(lǐng)域問題的數(shù)據(jù)收集好之后，和目標(biāo)信息相關(guān)的屬性也選擇好了。

3.數(shù)據(jù)預(yù)處理：數(shù)據(jù)選擇好以后，就需要對數(shù)據(jù)進(jìn)行預(yù)處理。數(shù)據(jù)預(yù)處理包括：去除錯誤數(shù)據(jù)和數(shù)據(jù)轉(zhuǎn)換。錯誤數(shù)據(jù)，在統(tǒng)計學(xué)中稱為異常值，應(yīng)當(dāng)在此階段發(fā)現(xiàn)并且刪除。否則，它們將導(dǎo)致產(chǎn)生錯誤的挖掘結(jié)果。同時，需要將數(shù)據(jù)轉(zhuǎn)換成適合的形式。例如，在某些狀況下，將數(shù)據(jù)轉(zhuǎn)換成向量形式。另外，為了尋覓更多重要的特征和減少數(shù)據(jù)挖掘步驟的負(fù)擔(dān)，我們可以將數(shù)據(jù)從一個高維空間轉(zhuǎn)換到一個低維空間。

4.數(shù)據(jù)挖掘：數(shù)據(jù)挖掘步驟主要是根據(jù)數(shù)據(jù)建立模型。我們可以在這個步驟使用各種數(shù)據(jù)挖掘算法和技術(shù)。然而，對于特定的任務(wù)，需要選擇正確適合的算法，來解決相應(yīng)的問題。

5.信息解釋：首先，通過數(shù)據(jù)挖掘技術(shù)發(fā)現(xiàn)的知識需要專家對其進(jìn)行解釋，幫助解決實際問題。然后，根據(jù)可用性、正確性、可理解性等評價指標(biāo)對解釋的結(jié)果進(jìn)行評估。只有經(jīng)過這一步驟的過濾，數(shù)據(jù)挖掘的結(jié)果才能夠被應(yīng)用于實踐。

6.可視化：可視化技術(shù)主要用來通過圖形化的方式顯示數(shù)據(jù)和數(shù)據(jù)挖掘的結(jié)果，從而幫助用戶更好的發(fā)現(xiàn)隱蔽在數(shù)據(jù)之后的知識。它可以被應(yīng)用在數(shù)據(jù)挖掘的整個過程，包括數(shù)據(jù)預(yù)處理、數(shù)據(jù)挖掘和信息解釋。數(shù)據(jù)和信息的可視化顯示對用戶來說十分重要，由于它能夠加強(qiáng)可理解性和可用性。

其次章：系統(tǒng)分析

系統(tǒng)用戶分析：

系統(tǒng)功能分析：

系統(tǒng)算法分析：

第三章：數(shù)據(jù)管理

數(shù)據(jù)管理的方法：

數(shù)據(jù)管理的具體實現(xiàn)：

第四章：數(shù)據(jù)采集

數(shù)據(jù)采集的方法

數(shù)據(jù)收集：數(shù)據(jù)是挖掘知識最原始的資料?！袄M(jìn)，垃圾出〞，只有從正確的數(shù)據(jù)中才能挖掘到有用的知識。為特定問題選擇數(shù)據(jù)需要領(lǐng)域?qū)＜覅⑴c。因此，領(lǐng)域問題的數(shù)據(jù)收集好之后，和目標(biāo)信息相關(guān)的屬性也選擇好了。

數(shù)據(jù)采集的具體實現(xiàn)過程

第五章：數(shù)據(jù)預(yù)處理

數(shù)據(jù)預(yù)處理的方法：

數(shù)據(jù)預(yù)處理：數(shù)據(jù)選擇好以后，就需要對數(shù)據(jù)進(jìn)行預(yù)處理。數(shù)據(jù)預(yù)處理包括：去除錯誤數(shù)據(jù)和數(shù)據(jù)轉(zhuǎn)換。錯誤數(shù)據(jù)，在統(tǒng)計學(xué)中稱為異常值，應(yīng)當(dāng)在此階段發(fā)現(xiàn)并且刪除。否則，它們將導(dǎo)致產(chǎn)生錯誤的挖掘結(jié)果。同時，需要將數(shù)據(jù)轉(zhuǎn)