数据挖掘的组成部分是什么？

数据挖掘是从大量信息中选择、探索和建模的过程，以发现最初未知的规律或关系，从而为数据库所有者获得清晰且有益的结果。

数据挖掘是一个跨学科领域，是一组学科的集合，例如数据库系统、统计学、机器学习、可视化和数据科学。它基于使用的数据挖掘方法，可以利用其他学科的方法，包括神经网络、模糊和粗糙集理论、知识表示、归纳逻辑编程或高性能计算。

根据要挖掘的数据类型或给定的数据挖掘应用程序，数据挖掘系统还可以集成来自空间数据分析、数据检索、模式识别、图像分析、信号处理、计算机图形、网络技术、经济学、商业、生物信息学或心理学的方法。

可以设计数据挖掘查询语言来包含这些原语，使用户能够灵活地与数据挖掘系统连接。数据挖掘查询语言支持用户友好的图形界面的构建。这促进了数据挖掘系统与其他数据系统的通信及其与完整数据处理环境的集成。

设计一个包容性的数据挖掘语言具有挑战性，因为数据挖掘保护着广泛的功能，从数据特征描述到演化分析。每个任务都有几个要求。设计有效的**数据挖掘查询语言需要对不同类型数据挖掘任务的功能、限制和底层结构有广泛的了解**。

数据挖掘功能用于定义必须在数据挖掘任务中发现的模式类型。一般来说，数据挖掘任务可以分为两类，包括描述性和预测性。描述性挖掘任务定义数据库中数据的共同特征，而预测性挖掘任务则对当前信息进行推理以开发预测。

数据挖掘的主要组成部分如下：

  • **数据库** - 这是一组或多组数据库、数据仓库、电子表格和其他类型的存储库，可以在其中实现数据清理和集成技术。
  • **数据仓库服务器** - 此组件根据用户的请求从数据仓库中获取相关记录。
  • **知识库** - 它是用于发现有趣模式的知识领域。
  • **数据挖掘引擎** - 它使用一个功能模块来执行分类、关联、聚类分析等任务。
  • **模式评估模块** - 此组件使用有趣性度量与数据挖掘结构通信，以将搜索目标导向有趣的模式。
  • **用户界面** - 此界面使用户能够通过图形用户界面描述数据挖掘功能或查询来与系统交互。

更新于： 2022年2月15日

5K+ 浏览量

开启您的职业生涯

通过完成课程获得认证

开始学习
广告