1、數(shù)據(jù)挖掘技術(shù)的應(yīng)用及特點

　　數(shù)據(jù)挖掘技術(shù)是一種新型的技術(shù)，在現(xiàn)代數(shù)據(jù)存儲以及測量技術(shù)的迅猛發(fā)展過程中，人們可以進行信息的大量測量并進行存儲。但是，在大量的信息背后卻沒有一種有效的手段和技術(shù)進行直觀的表達和分析。而數(shù)據(jù)挖掘技術(shù)的出現(xiàn)，是對目前大數(shù)據(jù)時代的一種應(yīng)急手段，使得有關(guān)計算機數(shù)據(jù)處理技術(shù)得到加快發(fā)展。數(shù)據(jù)挖掘技術(shù)最早是從機器學(xué)習(xí)的概念中而產(chǎn)生的，在對機器的學(xué)習(xí)過程中，一般不采用歸納或者較少使用這種方法，這是一種非常機械的操作辦法。而沒有指導(dǎo)性學(xué)習(xí)的辦法一般不從這些環(huán)境得出反饋，而是通過沒有干預(yù)的情況下進行歸納和學(xué)習(xí)，并建立一種理論模型。數(shù)據(jù)挖掘技術(shù)是屬于例子歸納學(xué)習(xí)的一種方式，這種從例子中進行歸納學(xué)習(xí)的方式是介于上述無指導(dǎo)性學(xué)習(xí)以及較少使用歸納學(xué)習(xí)這兩種方式之間的一種方式。因此，可以說，數(shù)據(jù)挖掘技術(shù)的特征在出自于機器學(xué)習(xí)的背景下，與其相比機器主要關(guān)心的是如何才能有效提高機器的學(xué)習(xí)能力，但數(shù)據(jù)挖掘技術(shù)主要關(guān)心如何才能找到有用、有價值的信息。其第二個特征是，與機器學(xué)習(xí)特點相比較而言，機器關(guān)心的是小數(shù)據(jù)，而數(shù)據(jù)挖掘技術(shù)所面臨的對象則是現(xiàn)實中海量規(guī)模的數(shù)據(jù)庫，其作用主要是用來處理一些異常現(xiàn)象，特別是處理殘缺的、有噪音以及維數(shù)很高的數(shù)據(jù)項，甚至是一些不同類型數(shù)據(jù)。以往的數(shù)據(jù)處理方法和現(xiàn)代的數(shù)據(jù)挖掘技術(shù)相比較而言，其不同點是以往的傳統(tǒng)數(shù)據(jù)處理方法前提是把理論作為一種指導(dǎo)數(shù)據(jù)來進行處理，在現(xiàn)代數(shù)據(jù)挖掘技術(shù)的出發(fā)角度不同，主要運用啟發(fā)式的歸納學(xué)習(xí)進行理論以及假設(shè)來處理的。

　　2、數(shù)據(jù)挖掘技術(shù)主要步驟

　　數(shù)據(jù)挖掘技術(shù)首先要建立數(shù)據(jù)倉庫，要根據(jù)實際情況而定，在易出現(xiàn)問題的有關(guān)領(lǐng)域建立有效的數(shù)據(jù)庫。主要是用來把數(shù)據(jù)庫中的所有的存儲數(shù)據(jù)進行分析，而目前的一些數(shù)據(jù)庫雖然可以進行大量的存儲數(shù)據(jù)，同時也進行了一系列的技術(shù)發(fā)展。比如，系統(tǒng)中的在線分析處理，主要是為用戶查詢，但是卻沒有查詢結(jié)果的分析能力，而查詢的結(jié)果仍舊由人工進行操作，依賴于對手工方式進行數(shù)據(jù)測試并建模。其次，在數(shù)據(jù)庫中存儲的數(shù)據(jù)選一數(shù)據(jù)集，作為對數(shù)據(jù)挖掘算法原始輸入。此數(shù)據(jù)集所涉及到數(shù)據(jù)的時變性以及統(tǒng)一性等情況。然后，再進行數(shù)據(jù)的預(yù)處理，在處理中主要對一些缺損數(shù)據(jù)進行補齊，并消除噪聲，此外還應(yīng)對數(shù)據(jù)進行標準化的處理。隨后，再對數(shù)據(jù)進行降維和變換。如果數(shù)據(jù)的維數(shù)比較高，還應(yīng)找出維分量高的數(shù)據(jù)，對高維數(shù)數(shù)據(jù)空間能夠容易轉(zhuǎn)化為檢點的低維數(shù)數(shù)據(jù)空間進行處理。下一步驟就是確定任務(wù)，要根據(jù)現(xiàn)實的需要，對數(shù)據(jù)挖掘目標進行確定，并建立預(yù)測性的模型、數(shù)據(jù)的摘要等。隨后再決定數(shù)據(jù)挖掘的算法，這一步驟中，主要是對當(dāng)前的數(shù)據(jù)類型選擇有效的處理方法，此過程非常重要，在所有數(shù)據(jù)挖掘技術(shù)中起到較大作用。隨后再對數(shù)據(jù)挖掘進行具體的處理和結(jié)果檢驗，在處理過程中，要按照不同的目的，選擇不同的算法，是運用決策樹還是分類等的算法，是運用聚類算法還是使用回歸算法，都要認真處理，得出科學(xué)的結(jié)論。在數(shù)據(jù)挖掘結(jié)果檢驗時，要注意幾個問題，要充分利用結(jié)論對照其他的信息進行校核，可對圖表等一些直觀的信息和手段進行輔助分析，使結(jié)論能夠更加科學(xué)合理。需要注意的是要根據(jù)用戶來決定結(jié)論有用的程度。最后一項步驟是把所得出的結(jié)論進行應(yīng)用到實際，要對數(shù)據(jù)挖掘的結(jié)果進行仔細的校驗，重點是解決好以前的觀點和看法有無差錯，使目前的結(jié)論和原先看法的矛盾有效解除。

　　3、數(shù)據(jù)挖掘技術(shù)的方法以及在電力營銷系統(tǒng)中的應(yīng)用和發(fā)展

　　數(shù)控挖掘技術(shù)得到了非常廣泛的應(yīng)用，按照技術(shù)本身的發(fā)展出現(xiàn)了較多方法。例如，建立預(yù)測性建模方法，也就是對歷史數(shù)據(jù)進行分析并歸納總結(jié)，從而建立成預(yù)測性模型。根據(jù)此模型以及當(dāng)前的其他數(shù)據(jù)進行推斷相關(guān)聯(lián)的數(shù)據(jù)。如果推斷的對象屬于連續(xù)型的變量，那么此類的推斷問題可屬回歸問題。根據(jù)歷史數(shù)據(jù)來進行分析和檢測，再做出科學(xué)的架設(shè)和推定。在常用的回歸算法以及非線性變換進行有效的結(jié)合，能夠使許多問題得到解決。電力營銷系統(tǒng)中的數(shù)據(jù)挖掘技術(shù)應(yīng)用中關(guān)聯(lián)規(guī)則是最為關(guān)鍵的技術(shù)應(yīng)用之一。這種應(yīng)用可以有效地幫助決策人員進行當(dāng)前有關(guān)數(shù)據(jù)以及歷史數(shù)據(jù)的規(guī)律分析，最后預(yù)測出未來情況。把關(guān)聯(lián)規(guī)則成功引入電力營銷分析，通過FP-Growth算法對電力營銷的有關(guān)數(shù)據(jù)進行關(guān)聯(lián)規(guī)則分析，從中得出各種電量銷售的影響因素以及外部因素、手電水平等的關(guān)聯(lián)信息，以便更好地為電力的市場營銷策略提供參謀和決策。對電力營銷系統(tǒng)的應(yīng)用中，時間序列挖掘以及序列挖掘非常經(jīng)典、系統(tǒng)，是應(yīng)用最為廣泛的一種預(yù)測方法。這種方法的應(yīng)用中，對神經(jīng)網(wǎng)絡(luò)的研究非常之多。因此，在現(xiàn)實中應(yīng)用主要把時間序列挖掘以及神經(jīng)網(wǎng)絡(luò)兩者進行有效地結(jié)合，然后再分析有關(guān)電力營銷數(shù)據(jù)。此外，有關(guān)專家還提出應(yīng)用一種時間窗的序列挖掘算法，這種方式可以進行有效地報警處理，使電力系統(tǒng)中的故障能夠準確的定位并診斷事故。此算法對電力系統(tǒng)的分析和挖掘能力的提高非常有效，還可判定電力系統(tǒng)的運行是否穩(wěn)定，對錯誤模型的分析精度達到一定的精確度。

　　4、結(jié)語

　　目前，對數(shù)據(jù)挖掘技術(shù)在整個電力營銷系統(tǒng)中的應(yīng)用還處于較低水平上，其挖掘算法的單一并不能有效地滿足實際決策需要。但是，由于數(shù)據(jù)挖掘技術(shù)對一些潛在的問題預(yù)測能力較強，特別是對電力營銷系統(tǒng)中較大規(guī)模的非線性問題，具有較強的處理能力，在未來的發(fā)展中會成為營銷領(lǐng)域中重要的應(yīng)用工具。

來源：網(wǎng)絡(luò)整理 免責(zé)聲明：本文僅限學(xué)習(xí)分享，如產(chǎn)生版權(quán)問題，請聯(lián)系我們及時刪除。

《電力營銷系統(tǒng)中數(shù)據(jù)挖掘技術(shù)優(yōu)秀論文》由互聯(lián)網(wǎng)用戶整理提供,轉(zhuǎn)載分享請保留原作者信息,謝謝!
鏈接地址：http://www.7334dd.com/gongwen/132280.html

• 上一篇：關(guān)于水利部門職工思想的論文
• 下一篇：美術(shù)教育綜合探討領(lǐng)域提高幼兒發(fā)散性思維的實踐研究論文