数据挖掘按技能划分，主要分为几类？

最新推荐文章于 2022-04-15 08:29:15 发布

人工智能和大数据时代

最新推荐文章于 2022-04-15 08:29:15 发布

阅读量3.1k

点赞数

CC 4.0 BY-SA版权

分类专栏：大数据文章标签：数据挖掘分类

本文链接：https://blog.youkuaiyun.com/weixin_43346716/article/details/86668712

大数据专栏收录该内容

100 篇文章

订阅专栏

数据挖掘技能从单一门类发展为综合性多学科知识，主要分为按数据库类型、知识类型、技能类型和应用领域四类。数据库类型包括关系型、对象-关系型等；知识类型涵盖相关性、预测及离群点分析；技能类型涉及神经网络、遗传算法等；应用领域则覆盖财经、交通等多个行业。理解这些分类有助于选择合适的数据挖掘方法。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

数据挖掘技能从起初的单一门类的知识逐步发展成为一门综合性的多学科知识，并由此产生了很多的数据挖掘方法，这些方法种类多，类型也有很大的差别。为了满足用户的实际需要，现对数据挖掘技能进行如下几种分类：
　　
　　按挖掘的数据库类型分类
　　
　　利用数据库对数据分类成为可能是因为数据库在对数据储存时就能够对数据按照其类型、模型以及应用场景的不同来进行分类，根据这种分类得到的数据在选取数据挖掘技能时也会有满足自身的方法。对数据的分类有两种情况，一种是根据其模型来分类，另一种是根据其类型来分类，前者包括关系型、对象-关系型以及工作型和数据仓库型等，后者包括时间型、空间型和Web 型的数据挖掘方法。
　　
　　按挖掘的知识类型分类
　　
　　这种分类方法是根据数据挖掘的功能来实施的，其中包括多种分析的方式，例如相关性、预测及离群点分析方法，充分的数据挖掘不但仅是一种单一的功能模式，而是各种不同功能的聚集。同时，在上述分类的情况下，还能够按照数据本身的特性和属性来对其进行分类，例如数据的抽象性和数据的粒度等，利用数据的抽象层次来分类时能够将数据分为三个层次，即广义知识的高抽象层，原始知识的原始层以及到多层的知识的多个抽象层。一个完善的数据挖掘能够实现对多个抽象层数据的挖掘，找到其有价值的知识。同时，在对数据挖掘进行分类时还能够根据其表现出来的模式及准则性和是否检测出噪声来分类，一般来说，数据的准则性能够通过多种不同的方法挖掘，例如相关性和关联分析以及通过对其观念描述和聚类分类、预测等方法，同时还能够通过这些挖掘方法来检测和排除噪声。
　　
　　按所用的技能类型分类
　　
　　数据挖掘的时候选取的技能手段千变万化，例如能够选取面向数据库和数据仓库的技能以及神经网络及其可视化等技能手段，同时用户在对数据进行分析时也会使用很多不同的分析方法，根据这些分析方法的不同能够分为遗传算法、人工神经网络等等。一般情况下，一个庞大的数据挖掘系统是集多种挖掘技能和方法的综合性系统。
　　
　　按应用分类
　　
　　根据数据挖掘的应用的领域来进行分类，包括财经行业、交通运输业、网络通讯业、生物医学领域如DNA等，在这些行业或领域中都有满足自身要求的数据挖掘方法。对于特定的应用场景，此时就可能需要与之相应的特殊的挖掘方法，并保证其有效性。综上所述，基本上不存在某种数据挖掘技能能够在所有的行业中都能使用的技能，每种数据挖掘技能都有自身的专用性。