鄧有林

摘要：數(shù)據(jù)挖掘是一門交叉性學(xué)科，它注重潛在能量，我們可以從廣博的數(shù)據(jù)庫(kù)中，找到大量有價(jià)值的知識(shí)、圖片、文字等重要信息內(nèi)容。數(shù)據(jù)庫(kù)技術(shù)、網(wǎng)絡(luò)技術(shù)以及計(jì)算機(jī)硬件，是時(shí)代發(fā)展的科技結(jié)晶，它在貯存大量數(shù)據(jù)的同時(shí)，也擴(kuò)大了人們采集數(shù)據(jù)的范圍。經(jīng)過(guò)多年的發(fā)展，數(shù)據(jù)挖掘已經(jīng)在商業(yè)、金融、醫(yī)療等各個(gè)領(lǐng)域得到了廣泛的應(yīng)用。本文從數(shù)據(jù)挖掘的含義、功能出發(fā)，探究了數(shù)據(jù)挖掘的種類和內(nèi)容，以及在高校招生信息化中的運(yùn)用。

關(guān)鍵詞：數(shù)據(jù)挖掘；數(shù)據(jù)庫(kù)技術(shù)；信息化；運(yùn)用

中圖分類號(hào)：TP311 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1009-3044（2016）01-0001-02

數(shù)據(jù)挖掘又稱為數(shù)據(jù)庫(kù)中的知識(shí)發(fā)現(xiàn)，是指從很泛很雜且朦朧的數(shù)據(jù)提取，同時(shí)數(shù)據(jù)提取又是非常隱秘的，人們無(wú)法預(yù)知的，但是它又真實(shí)的潛藏在，有價(jià)值的信息傳播過(guò)程中。

1 數(shù)據(jù)挖掘概述

數(shù)據(jù)挖掘是由統(tǒng)計(jì)學(xué)、人工智能、數(shù)據(jù)庫(kù)、可視化技術(shù)等，與當(dāng)代科技相融而成的，一門交叉性學(xué)科，是發(fā)現(xiàn)知識(shí)的重要工具。計(jì)算機(jī)硬件與數(shù)據(jù)庫(kù)技術(shù)的持續(xù)增長(zhǎng)，在一定程度上帶動(dòng)了，數(shù)據(jù)信息的發(fā)展，但與此同時(shí)，保存在數(shù)據(jù)庫(kù)之中以及計(jì)算機(jī)磁盤里的容量信息，卻在一步一步銳減。數(shù)據(jù)信息的肆意增長(zhǎng)，漸漸蒙蔽了人們的雙眼。然而，數(shù)據(jù)挖掘技術(shù)的出現(xiàn)，卻妥善的消除了信息弊端，使人們?cè)诰W(wǎng)絡(luò)信息數(shù)據(jù)庫(kù)中，找到了真正有實(shí)用價(jià)值的資源。

2 數(shù)據(jù)挖掘的功能

數(shù)據(jù)挖掘的具體功能主要分為以下幾個(gè)方面：

概念描述可以分為兩種，一是特征性描述，二是區(qū)別性描述，概念描述的真實(shí)含義，就是對(duì)指定對(duì)象的內(nèi)在心理，進(jìn)行語(yǔ)言描述，并說(shuō)明這類對(duì)象的主要特點(diǎn)。特征性描述的是同一種事物的共性，區(qū)別性描述的是同一類事物的差異。描述數(shù)據(jù)的存在形式，可以是多樣化的、朦朧式的，它的主要功能，就是用戶的數(shù)據(jù)考察。

1）關(guān)聯(lián)分析

數(shù)據(jù)之間的關(guān)聯(lián)性，是數(shù)據(jù)庫(kù)中存在的一種十分重要的，容易被人挖掘的信息資源。如果多個(gè)變量的取值之間，存在著強(qiáng)烈的邏輯性，那么它就被稱為關(guān)聯(lián)。關(guān)聯(lián)通常會(huì)被分為三種，一是簡(jiǎn)單關(guān)聯(lián)、二是時(shí)序關(guān)聯(lián)、三是因果關(guān)聯(lián)。關(guān)聯(lián)分析是從大量的數(shù)據(jù)中，集結(jié)而來(lái)的微妙關(guān)系，也分為前后關(guān)系和因果關(guān)系，相互牽連。

2）分類與預(yù)測(cè)

分類數(shù)據(jù)的探究和摸索，是一項(xiàng)任重而道遠(yuǎn)的任務(wù)。分類的原因是受系統(tǒng)中的，分類函數(shù)和分類模型的影響。這種模型可以把數(shù)據(jù)資料庫(kù)中的，數(shù)據(jù)項(xiàng)目傳送到定類數(shù)據(jù)中，從而構(gòu)成分類器，但要完成傳輸任務(wù)，系統(tǒng)這時(shí)就需要有一個(gè)模型樣本數(shù)據(jù)集，作為傳輸工具。

預(yù)測(cè)是系統(tǒng)利用歷史數(shù)據(jù)而設(shè)置的一個(gè)初步模型，再運(yùn)用新的數(shù)據(jù)作為輸入值，這樣就可以得出未來(lái)的數(shù)據(jù)傾向值，或是結(jié)合評(píng)估和樣本模型，才能獲取具體的屬性值或是值數(shù)的范圍。

3）聚類

聚類的含義是指，同一種相似類型的數(shù)據(jù)，相互之間存在的差異性，依照數(shù)據(jù)的不同特點(diǎn)，通常意義上，要將他們歸納為不同的數(shù)據(jù)種類。其目的是在距離上縮小，同一種類型的數(shù)據(jù)差異，同時(shí)在另一個(gè)角度，要拉大不同數(shù)據(jù)種類之間的距離。聚類與分類的區(qū)別主要體現(xiàn)在：分類需要提前給數(shù)據(jù)一個(gè)定義類別和模型樣本；而聚類分析就只有一個(gè)方向，那就是數(shù)據(jù)根源，不需要提前預(yù)定數(shù)據(jù)類別，也不需要模型樣本，所有的傳輸記錄，都會(huì)根據(jù)事物的相似性，匯集成同類數(shù)據(jù) 。

4）偏差分析

偏差分析又名為比較分析，是對(duì)差異性和特殊個(gè)體的描述，揭示了個(gè)體區(qū)別于其他事物的反?，F(xiàn)象，其根本思想就是，尋找到觀測(cè)結(jié)果與參照值之間的具體差別性。偏差包含了分類中的反常事物、不符合事實(shí)的特例以及觀測(cè)結(jié)果，甚至于對(duì)模型預(yù)測(cè)的差異性、數(shù)量值隨時(shí)間的變化等。

3 數(shù)據(jù)挖掘處理過(guò)程

數(shù)據(jù)挖掘的過(guò)程是多樣化的，需要細(xì)心分析，它大致可以分為問題定義、數(shù)據(jù)收集和預(yù)處理、數(shù)據(jù)挖掘，以及結(jié)果表達(dá)和解釋等。

1）問題定義

數(shù)據(jù)挖掘的主要任務(wù)，就是要從大量信息數(shù)據(jù)庫(kù)中，尋找到可使用的信息資源。知識(shí)應(yīng)是數(shù)據(jù)挖掘的一個(gè)重要步驟，在問題定義階段中，數(shù)據(jù)挖掘人員一定要，與相關(guān)知識(shí)的專家聯(lián)合，確定挖掘目標(biāo)，以及對(duì)數(shù)據(jù)統(tǒng)計(jì)的具體要求，最后通過(guò)不同的計(jì)算法則，選出最適合的計(jì)算方式。

2）數(shù)據(jù)準(zhǔn)備

數(shù)據(jù)準(zhǔn)備可以簡(jiǎn)單地分為三個(gè)步驟，一是數(shù)據(jù)選取、二是數(shù)據(jù)預(yù)處理、三是數(shù)據(jù)變換。數(shù)據(jù)選取的含義是，根據(jù)已有信息數(shù)據(jù)，從最初的原始數(shù)據(jù)庫(kù)中，查找出適合數(shù)據(jù)挖掘的信息資源。數(shù)據(jù)預(yù)處理是對(duì)，數(shù)據(jù)信息貯存的再分類，這其中包含了數(shù)據(jù)檢查的整體性，數(shù)據(jù)信息的統(tǒng)一性，以及數(shù)據(jù)內(nèi)部結(jié)構(gòu)，消除雜音、彌補(bǔ)數(shù)據(jù)遺失、刪除過(guò)期數(shù)據(jù)等程序。數(shù)據(jù)變換的主要用途是，在一定范圍內(nèi)，消除和減少數(shù)據(jù)維數(shù)，其方法就是，從數(shù)據(jù)的最初特點(diǎn)中，尋找到可以使用的數(shù)據(jù)特點(diǎn)，使數(shù)據(jù)在挖掘過(guò)程中，最大額度的減少特征的變化和變量個(gè)性，盡量減少特征的變化和變量個(gè)性。

3）挖掘的主要種類

決策樹包含著不同的種類，它大致可以分為以下幾種。

決策樹中的每一個(gè)非終結(jié)點(diǎn)在不同階段，都預(yù)示著不同字體測(cè)試和不同選擇。任何一個(gè)確定的分支，最終都取決于測(cè)試結(jié)果。它可以使用信息論中的信息增益，以獲得數(shù)據(jù)庫(kù)中最多的信息字體，然后建立一個(gè)決策樹的節(jié)點(diǎn)，再結(jié)合不同字體取得建立樹分支中的一個(gè)值；于每一個(gè)分支集體中，陸續(xù)建設(shè)下層節(jié)點(diǎn)和分支，最后可實(shí)現(xiàn)一個(gè)決策樹的建立。決策樹在使用上的最大優(yōu)勢(shì)就是直觀、快速，缺陷也是相對(duì)的，隨著數(shù)據(jù)多樣性的提高，每一個(gè)分支點(diǎn)都在增加，管理的難度也會(huì)越來(lái)越高。

4）神經(jīng)網(wǎng)絡(luò)

神經(jīng)網(wǎng)絡(luò)系統(tǒng)的創(chuàng)立，最初是來(lái)源于，對(duì)人腦神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)理解，以及對(duì)一些工作機(jī)制的模型仿照。這種類型的計(jì)算機(jī)模型有一個(gè)特殊之處，它可以同時(shí)集結(jié)大量的計(jì)算單元，也叫神經(jīng)元，連成大片網(wǎng)絡(luò)區(qū)域，進(jìn)行大規(guī)模計(jì)算。神經(jīng)網(wǎng)絡(luò)的設(shè)計(jì)原理，就是利用、變革神經(jīng)元之間的連接強(qiáng)度，能對(duì)復(fù)雜問題進(jìn)行精確的預(yù)測(cè)，但也存在相對(duì)的缺陷，一是神經(jīng)網(wǎng)絡(luò)難以琢磨、二是神經(jīng)網(wǎng)絡(luò)受到負(fù)面訓(xùn)練的影響。

5）粗糙集方法

粗糙集方法是由波蘭邏輯家，所構(gòu)思的一種數(shù)據(jù)分析法，主要運(yùn)用于機(jī)器制造和 KDD 等領(lǐng)域，粗糙集方法在信息領(lǐng)域的主要功能，就是解決，信息存儲(chǔ)當(dāng)中的不穩(wěn)定性和不真實(shí)性等信息問題。它的工作原理就是等價(jià)類思想，等價(jià)類中的微元素在粗糙集里是密不可分的，基本操作方法就是，用粗糙集近似的方法，把信息數(shù)據(jù)中的屬性值進(jìn)行相互分離，然后將每一個(gè)系統(tǒng)屬性，歸納為等價(jià)類，再使用集合的等價(jià)關(guān)系，把信息內(nèi)容進(jìn)行簡(jiǎn)約化處理，得到一個(gè)最小決策關(guān)系，從而便于獲得規(guī)則。

4 數(shù)據(jù)挖掘技術(shù)在高校招生工作中的應(yīng)用

1）定義挖掘問題

學(xué)校在高考統(tǒng)招期間，需要單獨(dú)查詢，考生的個(gè)人信息和成績(jī)數(shù)據(jù)，選用不同的方法，對(duì)學(xué)生的入學(xué)信息、生源信息及個(gè)人素質(zhì)等，進(jìn)行匯總分析，進(jìn)而得出數(shù)據(jù)背后隱藏的寶貴信息。

2）數(shù)據(jù)系統(tǒng)

數(shù)據(jù)系統(tǒng)的建立，首先需要用到，多個(gè)子集數(shù)據(jù)庫(kù)和源數(shù)據(jù)庫(kù)，進(jìn)行整合編排；其次尋找相關(guān)的數(shù)據(jù)資料，并從中篩選出，適合用于數(shù)據(jù)挖掘的應(yīng)用數(shù)據(jù)；最后，要把之前所收集的所有數(shù)據(jù)進(jìn)行調(diào)換，調(diào)換之后的數(shù)據(jù)，一方面要契合原數(shù)據(jù)的信息內(nèi)容，另一方面又要符合挖掘算法的需求。在整個(gè)數(shù)據(jù)預(yù)處理過(guò)程中，調(diào)換工作就成為了一個(gè)重點(diǎn)難題，需要使用者，在系統(tǒng)建設(shè)中，不斷總結(jié)、不斷尋找、反復(fù)修改，最終完成數(shù)據(jù)調(diào)換的工作，并同時(shí)解決數(shù)據(jù)質(zhì)量問題。

3）學(xué)生入學(xué)信息的預(yù)處理

姓名、 性別、 民族…是新生入學(xué)的基本信息數(shù)據(jù)，為了便于日后的信息查詢，需要對(duì)個(gè)人資料進(jìn)行總結(jié)、轉(zhuǎn)化等預(yù)處理操作。然而在所有字段中，最難以操作的信息內(nèi)容，就是學(xué)生的總成績(jī)和生源地等信息。因?yàn)椴煌貐^(qū)的，不同成績(jī)，以及不同地區(qū)的考試內(nèi)容，學(xué)校在各省的錄取分?jǐn)?shù)線也有一定的差異，所以學(xué)生的素質(zhì)也不盡相同，不能僅僅通過(guò)總分?jǐn)?shù)去衡量一個(gè)學(xué)生，只能轉(zhuǎn)化標(biāo)準(zhǔn)分?jǐn)?shù)。比如可以對(duì)不同學(xué)生的生源地信息，進(jìn)行整體歸納。例如：按省份劃分將同一省份的學(xué)生歸為同一類；或是按照，生源城市劃分為市區(qū)、城鎮(zhèn)等，其中還包含了，學(xué)生的成績(jī)、獲獎(jiǎng)等內(nèi)容信息。

4）關(guān)聯(lián)規(guī)則挖掘

數(shù)據(jù)關(guān)聯(lián)和差異性指的是，信息對(duì)象在不同階段的發(fā)展現(xiàn)狀和發(fā)展結(jié)果，例如同一系別、同一年級(jí)、不同成績(jī)的學(xué)生現(xiàn)狀，這就是數(shù)據(jù)信息的關(guān)聯(lián)性，然而在經(jīng)過(guò)，大學(xué)的培訓(xùn)教育之后，所得到的不同教育成果，就是信息的差異性。

然后，學(xué)校可以根據(jù)，信息的關(guān)聯(lián)性和差異性，總結(jié)、分析出，學(xué)生的發(fā)展?jié)撡|(zhì)和綜合技能，從而得到新的教育理念，為學(xué)校的招生工作，提供參考依據(jù)。

5 結(jié)語(yǔ)

隨著數(shù)據(jù)挖掘技術(shù)的不斷完善、不斷發(fā)展，數(shù)據(jù)挖掘已經(jīng)在多個(gè)領(lǐng)域，被人們所使用，在教學(xué)領(lǐng)域中，數(shù)據(jù)挖掘的范圍，已經(jīng)逐漸延伸到，學(xué)校的信息招生中，它的獨(dú)特功能以及，快速處理信息的手段，總能有效的解決各種信息困擾，以前人們總是盲目跟風(fēng)，使用別人的信息資源和信息技術(shù)，最后導(dǎo)致了信息管理的混亂，然而數(shù)據(jù)挖掘工具能夠，有效的、快速的查找出，招生工作中的規(guī)律，為招生決策者提供重要依據(jù)。

參考文獻(xiàn)：

[1]劉同明.數(shù)據(jù)挖掘技術(shù)及其應(yīng)用[M].北京：國(guó)防工業(yè)出版，2001.

[2]邵峰晶，于忠清.數(shù)據(jù)挖掘原理與算法[M].北京：中國(guó)水利水電出版社，2003.

[3]陳京民.數(shù)據(jù)倉(cāng)庫(kù)與數(shù)據(jù)挖掘技術(shù)[M].北京：電子工業(yè)出版社，2002.

[4] 王志浩，數(shù)據(jù)挖掘在招生管理系統(tǒng)中的應(yīng)用研究[D].山東師范大學(xué)，2007，

[5] 李升林，烏蘭木其. 基于數(shù)據(jù)挖掘的需求分析研究[J].中國(guó)機(jī)械工程，2003，14（5）.