赵敏

摘要：数据挖掘是KDD中特定情况下的一个步骤。大部分人是通过啤酒+尿布的案例认识到数据挖掘，不少人也通過这个有趣的故事开始接触数据挖掘。大数据能够让企业测量出之前被认为无法计算的信息。使用这些信息，分析师能发现新的工业模式并能更好的了解客户的动机，兴趣爱好和讨厌的东西。更多得了解什么能让客户做出选择，能够为通向新的商业机会创造出更多的可能，也能够让企业发布出令客户感兴趣的内容和产品。比如现在的“瀑布流”，就是企业根据网民平常浏览互联网信息的类型，基于用户搜索习惯、兴趣爱好、归属地、年龄、区域、商圈等等大数据信息，挖掘并分析出来跟本人相匹配的广告信息推送给你。

关键词：数据挖掘;应用方向;数据分析;算法

中图分类号：TP311.13文献标识码：A文章编号：1672-9129（2020）07-0115-01

Abstract：Data mining is a step in a specific situation in KDD. Most people got to know about data mining through the beer and diapers case， and a lot of people got to know about data mining through this interesting story. Big data allows companies to measure information that was previously considered uncomputable. Using this information， analysts can discover new industry patterns and better understand customers' motivations， interests and annoyances. Learning more about what enables customers to make choices creates more possibilities for new business opportunities and enables companies to deliver content and products that will be of interest to customers. For example， the current "waterfall flow" is that enterprises mine and analyze the advertising information matching themselves to you based on the user's search habits， interests， place of residence， age， region， business circle and other big data based on the type of Internet information that netizens usually browse.

Key words：data mining;Application direction;Data analysis;algorithm

1项目分析

随着科技的快速发展，我们出现了多种多样的新兴产物，因此，所需要学习的知识就更多了。在我们的日常生活中，对数据分析的要求也越来越高了。本次研究，就是想要探寻在我们日常生活中，数据挖掘带给了我们那些便利，以及其中我们需要具备和掌握那些知识。

2数据挖掘技术

数据挖掘技术应用十分广泛，该技术融合了数理统计、模糊数学、机器学习、模式识别、人工智能和数据库技术等技术潮流的研究成果，能够很好的在商业智能和决策分析中发挥作用。同时数据挖掘技术广泛应用于商业、医学、教育等行业。数据挖掘技术的发展对于我们每个人来说都具有十分重要的意义。

数据挖掘可以解决许多问题，但在实现的过程中是一个非常繁琐的过程，并有丰富的计算机基础才能实现。随着信息技术的发展，出现了许多数据挖掘的工具，比如NLPIR分析平台是相较于其它系统都是占据优势的系统，该系统主要是侧重大数据内容采编挖搜的综合需求，它是网络精准采集、自然语言理解、文本挖掘和语义搜索强强联合的最新研究成果，并且先后经历了近二十年的不断创新，取得今天的辉煌成就。

3数据挖掘在医学中的应用

数据挖掘在医学中的应用。数据挖掘是医学的一次时代转折点。在医学上，数据挖掘可以做到：分析电子病历、分析医院系统、管理数据用于公共健康研究、循证医学、降低再入院率、保护病人的身份信息、创建更高效的诊所等。数据挖掘在医学中最常用的算法就是Relief算法和K-means聚类算法。Relief算法比较简单，运行的效率也很高，所以被人们广泛使用。但是它只能处理两类别的数据，后来Relief算法也得到了很多的创新和发展。K-means算法是一种常用的聚类算法。该算法首先初始化质心，然后判断各个质心间的距离，按照就近原则分配，最后计算质心。不断重复当前的操作，目标函数最小时结束操作。数据挖掘不仅在西医的领域做出来巨大贡献，在我国古老的中医文化中也是如此。数据挖掘分析了大量中草药的功效数据，让医学更加具有科学性。

4数据挖掘在商业中的应用

数据挖掘在商业数据分析值也起到了重要的作用。数据挖掘可以将客户群体细分，然后针对每一个不同的群体定制相应的、最好的服务。同时也做到了模拟现实的环境场景，不断发现用户的新需求，同时公司可以提高投资的回报率。并可以加强各个部门之间的联系，稳步地提高整条管理链条和产业链条的效率。还降低了公司的服务成本，相对之前更容易的发现了隐藏线索，再进行相应产品和服务的创新。

数据挖掘在商业中最常用的算法有：神经网络算法、遗传算法、粗糙集算法，模糊集方法等。其中神经网络方法自身具有容错性能高、采用分布存储、处理机制为并行处理和有很强的组织性和适应性等。因此多用于处理数据挖掘中可能遇到的一些问题。遗传算法：能够很好的与其它模型结合、也具有并行性等特性，被灵活的应用在神经网络、粗集技术的结合中。粗糙集算法是一种多用于不准确知识的工具，其优点是节省空间，算法较为简单，容易理解和操作。模糊集方法是对具体的问题做判断、决策、识别和分析操作。系统的模糊性是随着复杂性增高而增高的。

5数据挖掘在教育中的应用

数据挖掘在教育中的应用。数据挖掘能够帮助老师和学生更好的总结近期的学习状况，科学有效的分析相关数据信息。例如可以运用大数据设计教育环境，完善教学的场景，配置教育试验场景等，这些都能够充分的调用学生群体在学习领域中的主动性和积极性，对教育领域的发展有不可估量的作用。数据挖掘对于我们的教育做出的突出贡献主要有这几方面：适应性教学支持、教学规律发现、信息化校园管理。数据挖掘在教育领域里具有着十分强大的发展机遇，但同时也面临着很多的挑战。现在的数据挖掘在教育领域中还算是开始阶段。相关方向的研究特点鲜明，能够突出其中的优越性。在这个科技快速发展的新时代，我们应该直面数据挖掘在教育中的困难和挑战，不断创新，不断实践，多方面考量，最后达成最好的效果。

6结论

数据挖掘在我们的日常生活中的应用是方方面面的，带给我们的不仅仅是利益，更多的是科技的进步，人民的发展，国家的强盛。在数据挖掘这个新时代下，我们的生活也变得多姿多彩起来了。数据挖掘教会我们用一个崭新的视角将数据库技术、统计学、机器学习、信息检索技术、数据可视化和模式识别与人工智能等领域完美的结合起来，将每一个知识的优点都发挥到极致，在不断创新、发展的过程中，我们将收获比传统方法更多更有效的知识。因此，数据挖掘在我们的日常生活中发挥着重要的作用。以后的時代，数据挖掘将会不断发展，迎来高峰。

参考文献：

[1]伍永锋.基于大数据的计算机数据挖掘技术在档案管理系统中的应用[J].信息与电脑（理论版），2019，13（11）：166-167.

[2]段彬，魏巍.数据挖掘在软件工程领域中的应用浅析[J].信息系统工程，2018（04）：89.