APP推广合作
联系“鸟哥笔记小乔”
【原创】对数据挖掘基本概念的一些梳理
2022-01-11 10:27:53


小飞象·梦想季

生活是属于每个人自己的感受,不属于任何别人的看法。--《活着》

前言

在5G/AI、物联网以及目前比较火的元宇宙的时代,"数据"的深入的应用已经覆盖了各行各业。无论是什么岗位,有什么业务模式,要做到与竞品有差异化,给用户更精准的推荐,就必须拥有数据分析思维,得使“数据”更有意义,通过采集和数据分析,找到“数据”的有效使用模式,进行“数据挖掘”。所以,对做数据分析的人员而言,了解数据挖掘背后的思想,将有助于建立更具稳定性、更高效的分析模型。

可有很多人对“数据挖掘”的概念还是有些混淆,主要是数据挖掘更多的偏向算法,与数据分析、机器学习有很多相似的地点,而且在实际场景中70%的工作都在做数据清洗,探索等,比如时间序列预测,聚类,因子分析···· 因此,本文不去深度的剖析数据挖掘相关应用,将从相关的基本概念进行梳理,帮助大家对数据挖掘的相关概念有一定的清晰地认知。

1数据挖掘的定义

数据挖掘,是一个很宽泛的概念。简单的理解为从大量数据中提取或挖掘知识。BI(商业智能)、数据分析、产品、市场、运营都可以做。就是从数据中发现了一些有用的信息,然后这些信息可以指导业务。所以,数据挖掘也算是一种深层次的数据分析方法。

数据挖掘还算是一个跨学科的计算机科学分支。涉及人工智能、机器学习、统计学、和数据库的交叉方法在相对大型的数据集发现模式的计算过程。它还涉及到数据库和数据管理方面、数据预处理、模型与推断方面考量、兴趣度度量、复杂度的考虑等。还有类似词语“数据捕捞”、“数据捕鱼”和“数据探测”等。

有的书上这些描述数据挖掘的概念:即按企业既定业务目标,对大量的企业数据进行探索和分析,揭示隐藏的、未知的或验证已知的规律性,并进一步将其模型化的先进有效的方法。因此,数据挖掘过程的总体目标是从一个数据集中提取信息,并将其转换成可理解的结构,以进一步使用。总之,数据挖掘能够让业务产生真正可落地可执行的行为洞察或者动作。

2 数据挖掘的本质

数据挖掘的价值一般带着一定的目的,并通过计算机的计算能力在一堆数据中发掘出规律并加以利用的过程。因此对数据挖掘而言,就需要经历规则学习、规则验证和规则使用的过程。而这目的是否得到实现一般可以通过结果验证来实现。因此,数据挖掘本质上属于机器学习的内容,而贯穿数据挖掘的的思想主要有四个:关联,分类,回归分析和聚类。


注:《数据挖掘:实用机器学习技术及Java实现》一书大部分是机器学习的内容,这本书最初只叫做“实用机器学习”,“数据挖掘”一词是后来为了营销才加入的。

3 数据挖掘的基本步骤

数据挖掘的实际工作是对大规模数据进行自动或半自动的分析,以提取过去未知的有价值的潜在信息。例如:数据聚类分析、数据异常检测、数据之间关联式规则挖掘等。这些潜在信息可通过对输入数据处理之后的总结来呈现,之后可以用于进一步分析,如机器学习和预测分析。

但在数据挖掘之前,有必要预处理来分析多变量数据,然后要清理目标集,数据清理移除包含噪声和含有缺失数据的观测量。因此,基本步骤如下:

第一步:数据清理

第二步:数据集成

第三步:数据选择

第四步:数据变换

第五步:数据挖掘

第六步:模式评估

第七步:知识表示


4 数据挖掘的常见任务

▶异常检测:(异常/变化/偏差检测)识别不寻常的数据记录,错误数据需要进一步调查;

▶关联规则学习:搜索变量之间的关系。例如:一个超市可能会收集顾客购买习惯的数据,运用关联规则学习,超市可以确定哪些产品经常一起买,并利用这些信息帮助营销——这有时被称为市场购物篮分析;

▶聚类:是在未知数据的结构下,发现数据的类别与结构;

▶分类 :是对新的数据推广已知的结构的任务。例如:一个电子邮件程序可能试图将一个电子邮件分类为“合法的”或“垃圾邮件”;

▶回归:试图找到能够以最小误差对该数据建模的函数;

▶汇总:提供了一个更紧凑的数据集表示,包括生成可视化和报表。


5数据挖掘的必备技能点

数据挖掘涉及的内容比较泛,涉及的内容包括数据库、数据仓库、机器学习、信息检索。还有数据库理论、数学基础(包括数理统计、概率、图论等),还必须熟练掌握一种编程语言(包括java,python等),还要会使用数据挖掘工具软件(weka、matlab、spss等)。

因此,简单的梳理了数据挖掘相关技能点(具体知识点可以自行百度)。如下:



6数据挖掘的应用

数据挖掘的应用场景很多。如,数据挖掘可以帮助业务了解“谁是最有价值的客客”、“什么产品可以交叉销售或提升销售”、“对公司明年的营收进行预测”;在科学领域,还能帮助地球科学家了解“干旱和飓风等生态系统扰动的频度和强度与全球变暖之间有何联系”、“海洋表面温度对地表降水量和温度有何影响”等等。

总之,数据挖掘思想应用了众多领域,包括来自统计学的抽样、估计和假设检验、人工智能、模式识别等。这里就不一一深度的列举了。

总结

数据挖掘利用计算机技术获取隐藏在大量数据背后的信息,满足一个行业或企业的需求,为企业或管理层的决策提供依据。从目前大数据公司的发展来看,它们正处于信息收集和简要分析阶段,规模经济效应相对较少。总之,拥有数据挖掘的能力,能够使业务产生的经济效应可以说是几何倍数的。在未来的5G以及物联网时代更是迫切需要数据分析人员来构建满足行业需求的数据挖掘模块并进行需求分析。

以上就是数据挖掘相关概念的梳理,我们大概对其概念有了清晰的了解。但对于数据分析、数据挖掘、算法/机器学习/深度学习,它们彼此间并不完全独立,到后期,很多界限会变得模糊。因此,了解认识相关概念是一方面,是否愿意学习和吃透,才是真正了解数据挖掘的开始。(若有不一样的想法,欢迎留言)

-END-

小飞象木木自由
分享到朋友圈
收藏
收藏
评分

综合评分:

我的评分
Xinstall 15天会员特权
Xinstall是专业的数据分析服务商,帮企业追踪渠道安装来源、裂变拉新统计、广告流量指导等,广泛应用于广告效果统计、APP地推与CPS/CPA归属统计等方面。
20羽毛
立即兑换
一书一课30天会员体验卡
领30天VIP会员,110+门职场大课,250+本精读好书免费学!助你提升职场力!
20羽毛
立即兑换
顺丰同城急送全国通用20元优惠券
顺丰同城急送是顺丰推出的平均1小时送全城的即时快送服务,专业安全,准时送达!
30羽毛
立即兑换
小飞象木木自由
小飞象木木自由
发表文章55
互联网从业6年,公众号木木自由:专注数据分析实战案例经验以及方法论的总结!
确认要消耗 0羽毛购买
【原创】对数据挖掘基本概念的一些梳理吗?
考虑一下
很遗憾,羽毛不足
我知道了

我们致力于提供一个高质量内容的交流平台。为落实国家互联网信息办公室“依法管网、依法办网、依法上网”的要求,为完善跟帖评论自律管理,为了保护用户创造的内容、维护开放、真实、专业的平台氛围,我们团队将依据本公约中的条款对注册用户和发布在本平台的内容进行管理。平台鼓励用户创作、发布优质内容,同时也将采取必要措施管理违法、侵权或有其他不良影响的网络信息。


一、根据《网络信息内容生态治理规定》《中华人民共和国未成年人保护法》等法律法规,对以下违法、不良信息或存在危害的行为进行处理。
1. 违反法律法规的信息,主要表现为:
    1)反对宪法所确定的基本原则;
    2)危害国家安全,泄露国家秘密,颠覆国家政权,破坏国家统一,损害国家荣誉和利益;
    3)侮辱、滥用英烈形象,歪曲、丑化、亵渎、否定英雄烈士事迹和精神,以侮辱、诽谤或者其他方式侵害英雄烈士的姓名、肖像、名誉、荣誉;
    4)宣扬恐怖主义、极端主义或者煽动实施恐怖活动、极端主义活动;
    5)煽动民族仇恨、民族歧视,破坏民族团结;
    6)破坏国家宗教政策,宣扬邪教和封建迷信;
    7)散布谣言,扰乱社会秩序,破坏社会稳定;
    8)宣扬淫秽、色情、赌博、暴力、凶杀、恐怖或者教唆犯罪;
    9)煽动非法集会、结社、游行、示威、聚众扰乱社会秩序;
    10)侮辱或者诽谤他人,侵害他人名誉、隐私和其他合法权益;
    11)通过网络以文字、图片、音视频等形式,对未成年人实施侮辱、诽谤、威胁或者恶意损害未成年人形象进行网络欺凌的;
    12)危害未成年人身心健康的;
    13)含有法律、行政法规禁止的其他内容;


2. 不友善:不尊重用户及其所贡献内容的信息或行为。主要表现为:
    1)轻蔑:贬低、轻视他人及其劳动成果;
    2)诽谤:捏造、散布虚假事实,损害他人名誉;
    3)嘲讽:以比喻、夸张、侮辱性的手法对他人或其行为进行揭露或描述,以此来激怒他人;
    4)挑衅:以不友好的方式激怒他人,意图使对方对自己的言论作出回应,蓄意制造事端;
    5)羞辱:贬低他人的能力、行为、生理或身份特征,让对方难堪;
    6)谩骂:以不文明的语言对他人进行负面评价;
    7)歧视:煽动人群歧视、地域歧视等,针对他人的民族、种族、宗教、性取向、性别、年龄、地域、生理特征等身份或者归类的攻击;
    8)威胁:许诺以不良的后果来迫使他人服从自己的意志;


3. 发布垃圾广告信息:以推广曝光为目的,发布影响用户体验、扰乱本网站秩序的内容,或进行相关行为。主要表现为:
    1)多次发布包含售卖产品、提供服务、宣传推广内容的垃圾广告。包括但不限于以下几种形式:
    2)单个帐号多次发布包含垃圾广告的内容;
    3)多个广告帐号互相配合发布、传播包含垃圾广告的内容;
    4)多次发布包含欺骗性外链的内容,如未注明的淘宝客链接、跳转网站等,诱骗用户点击链接
    5)发布大量包含推广链接、产品、品牌等内容获取搜索引擎中的不正当曝光;
    6)购买或出售帐号之间虚假地互动,发布干扰网站秩序的推广内容及相关交易。
    7)发布包含欺骗性的恶意营销内容,如通过伪造经历、冒充他人等方式进行恶意营销;
    8)使用特殊符号、图片等方式规避垃圾广告内容审核的广告内容。


4. 色情低俗信息,主要表现为:
    1)包含自己或他人性经验的细节描述或露骨的感受描述;
    2)涉及色情段子、两性笑话的低俗内容;
    3)配图、头图中包含庸俗或挑逗性图片的内容;
    4)带有性暗示、性挑逗等易使人产生性联想;
    5)展现血腥、惊悚、残忍等致人身心不适;
    6)炒作绯闻、丑闻、劣迹等;
    7)宣扬低俗、庸俗、媚俗内容。


5. 不实信息,主要表现为:
    1)可能存在事实性错误或者造谣等内容;
    2)存在事实夸大、伪造虚假经历等误导他人的内容;
    3)伪造身份、冒充他人,通过头像、用户名等个人信息暗示自己具有特定身份,或与特定机构或个人存在关联。


6. 传播封建迷信,主要表现为:
    1)找人算命、测字、占卜、解梦、化解厄运、使用迷信方式治病;
    2)求推荐算命看相大师;
    3)针对具体风水等问题进行求助或咨询;
    4)问自己或他人的八字、六爻、星盘、手相、面相、五行缺失,包括通过占卜方法问婚姻、前程、运势,东西宠物丢了能不能找回、取名改名等;


7. 文章标题党,主要表现为:
    1)以各种夸张、猎奇、不合常理的表现手法等行为来诱导用户;
    2)内容与标题之间存在严重不实或者原意扭曲;
    3)使用夸张标题,内容与标题严重不符的。


8.「饭圈」乱象行为,主要表现为:
    1)诱导未成年人应援集资、高额消费、投票打榜
    2)粉丝互撕谩骂、拉踩引战、造谣攻击、人肉搜索、侵犯隐私
    3)鼓动「饭圈」粉丝攀比炫富、奢靡享乐等行为
    4)以号召粉丝、雇用网络水军、「养号」形式刷量控评等行为
    5)通过「蹭热点」、制造话题等形式干扰舆论,影响传播秩序


9. 其他危害行为或内容,主要表现为:
    1)可能引发未成年人模仿不安全行为和违反社会公德行为、诱导未成年人不良嗜好影响未成年人身心健康的;
    2)不当评述自然灾害、重大事故等灾难的;
    3)美化、粉饰侵略战争行为的;
    4)法律、行政法规禁止,或可能对网络生态造成不良影响的其他内容。


二、违规处罚
本网站通过主动发现和接受用户举报两种方式收集违规行为信息。所有有意的降低内容质量、伤害平台氛围及欺凌未成年人或危害未成年人身心健康的行为都是不能容忍的。
当一个用户发布违规内容时,本网站将依据相关用户违规情节严重程度,对帐号进行禁言 1 天、7 天、15 天直至永久禁言或封停账号的处罚。当涉及欺凌未成年人、危害未成年人身心健康、通过作弊手段注册、使用帐号,或者滥用多个帐号发布违规内容时,本网站将加重处罚。


三、申诉
随着平台管理经验的不断丰富,本网站出于维护本网站氛围和秩序的目的,将不断完善本公约。
如果本网站用户对本网站基于本公约规定做出的处理有异议,可以通过「建议反馈」功能向本网站进行反馈。
(规则的最终解释权归属本网站所有)

我知道了
恭喜你~答对了
+5羽毛
下一次认真读哦
成功推荐给其他人
+ 10羽毛
评论成功且进入审核!审核通过后,您将获得10羽毛的奖励。分享本文章给好友阅读最高再得15羽毛~
(羽毛可至 "羽毛精选" 兑换礼品)
好友微信扫一扫
复制链接