淺談大數(shù)據(jù)挖掘中數(shù)學(xué)的運用

當前是一個信息化時代，人們無論是在生活中，還是在學(xué)習(xí)工作中無時無刻不在與信息數(shù)據(jù)打交道，大數(shù)據(jù)技挖掘技術(shù)的完善發(fā)展，被廣泛應(yīng)用在各個行業(yè)領(lǐng)域中，創(chuàng)造出眾多的社會經(jīng)濟效益。如何從海量數(shù)據(jù)信息中高效挖掘出具有高價值的數(shù)據(jù)成為了眾多專家學(xué)者的關(guān)注重點，大數(shù)據(jù)挖掘工作離不開先進數(shù)學(xué)專業(yè)知識和方法的運用，相關(guān)研究人員通過在大數(shù)據(jù)挖掘和處理分析中合理運用數(shù)學(xué)知識，能夠有效提升數(shù)據(jù)處理分析效率，幫助人們在最短時間內(nèi)獲取到具有價值的數(shù)據(jù)信息。

1  大數(shù)據(jù)概念與特征分析

基于計算機互聯(lián)網(wǎng)技術(shù)的普及應(yīng)用，社會各行各業(yè)產(chǎn)生的數(shù)據(jù)信息也變得越來越多，不同領(lǐng)域中的海量數(shù)據(jù)存在著不同的價值，有待人們從數(shù)據(jù)中進行挖掘開發(fā)利用，幫助社會企業(yè)發(fā)展作出科學(xué)決策。大數(shù)據(jù)實質(zhì)是指無法在一定時間內(nèi)利用常規(guī)軟件工具進行計算處理、管理利用的數(shù)據(jù)集合，大數(shù)據(jù)需要借助先進的處理模式才能夠具備更好的決策力、洞察發(fā)現(xiàn)力以及流程優(yōu)化能力。與傳統(tǒng)數(shù)據(jù)倉庫應(yīng)用分析相比較，大數(shù)據(jù)應(yīng)用分析最為顯著的特點就是數(shù)據(jù)量大且形式多樣、檢索查詢困難復(fù)雜，大數(shù)據(jù)主要包括了結(jié)構(gòu)化、非結(jié)構(gòu)化以及半結(jié)構(gòu)化數(shù)據(jù)。大數(shù)據(jù)的5V特征具體是指Volume(大量)，即數(shù)據(jù)量龐大；Velocity(高速)，即數(shù)據(jù)獲取處理速度快；Variety(多樣)，即數(shù)據(jù)類型多樣性；Value(低價值密度)，即數(shù)據(jù)價值較低；Veracity(真實性)，即數(shù)據(jù)質(zhì)量較高且真實。

在大數(shù)據(jù)研究領(lǐng)域中，數(shù)據(jù)挖掘是核心工作內(nèi)容，其工作原理是通過對海量、復(fù)雜以及無規(guī)律的數(shù)據(jù)展開深入分析、計算處理作業(yè)，從中挖掘出具有一定價值的信息數(shù)據(jù)，從而輔助市場各個行業(yè)領(lǐng)域企業(yè)作出科學(xué)決策，推動整個社會和諧穩(wěn)定的發(fā)展。當前，大數(shù)據(jù)挖掘被廣泛應(yīng)用在通訊行業(yè)、制造行業(yè)、營銷行業(yè)以及互聯(lián)網(wǎng)信息行業(yè)中，如何應(yīng)用數(shù)據(jù)挖掘幫助人們解決現(xiàn)實問題，已經(jīng)成為社會各界人士高度關(guān)注的焦點。

2  大數(shù)據(jù)挖掘中數(shù)學(xué)的實踐應(yīng)用

在大數(shù)據(jù)挖掘過程中，數(shù)學(xué)知識方法的運用是至關(guān)重要的，數(shù)學(xué)是對大量數(shù)據(jù)展開分析處理工作的基礎(chǔ)，是實現(xiàn)從海量數(shù)據(jù)中挖掘出具有價值數(shù)據(jù)的關(guān)鍵途徑。因此，相關(guān)研究人員要將數(shù)學(xué)專業(yè)知識有效融入到大數(shù)據(jù)挖掘與處理工作中，不斷對實際問題的解決能力，提高對數(shù)據(jù)的處理分析水平。

2.1  數(shù)學(xué)在數(shù)據(jù)處理分析中的應(yīng)用

當工作人員對大數(shù)據(jù)展開挖掘作業(yè)時，首先需要對需求數(shù)據(jù)進行科學(xué)收集整理工作。大數(shù)據(jù)具備了很強的時效性，每個工作人員都必須正確認識到提高數(shù)據(jù)處理質(zhì)量和效率的重要性，要確保在最短時間內(nèi)完成對大量數(shù)據(jù)的處理分析工作，挖掘獲取到需求價值數(shù)據(jù)。如果收集到的原始數(shù)據(jù)存在著不完整、不統(tǒng)一以及噪聲等情況時，相關(guān)人員還需對該部分數(shù)據(jù)進行預(yù)處理作業(yè)，這樣有利于提高數(shù)據(jù)的準確性。如果數(shù)據(jù)量或者指標集過大，工作人員可以結(jié)合相關(guān)標準選擇一些具有代表性的數(shù)據(jù)進行處理分析，確保能夠反映出研究結(jié)果。

在數(shù)據(jù)處理分析中，工作人員可以合理運用數(shù)學(xué)專業(yè)知識中的各種分析方法。例如，回歸分析法、描述性分析法以及相關(guān)性分析法等。工作人員在運用回歸分析法和相關(guān)性分析法時，要科學(xué)將兩種數(shù)學(xué)分析方法融合在一起，基于相關(guān)性分析下，通過有效觀察某兩個或者多個相關(guān)變量的數(shù)量變化關(guān)系，構(gòu)建出對應(yīng)的數(shù)學(xué)模式，然后利用已知量準確推斷出未知量。在數(shù)據(jù)處理中進行回歸分析的核心目的在于合理采用樣本數(shù)據(jù)對各項參數(shù)展開科學(xué)估計，接著構(gòu)建出對應(yīng)的數(shù)據(jù)模型，以此來判斷和預(yù)測出參數(shù)數(shù)據(jù)。與此同時，在數(shù)據(jù)處理分析中，研究工作人員還會涉及運用到大量的數(shù)學(xué)理論知識。例如，數(shù)學(xué)測度論知識，也就是通過運算結(jié)合兩個或者多個單調(diào)測度，以此完成對新單調(diào)測度的創(chuàng)建工作，當研究人員在進行數(shù)據(jù)降維處理作業(yè)時，可以合理運用測度論。與傳統(tǒng)主因子分析方法相比較，測度論分析法的合理運用不僅能夠最大程度保障數(shù)據(jù)處理分析的完整性，還可以有效提升數(shù)據(jù)分析結(jié)果的科學(xué)準確性。

2.2  數(shù)學(xué)在數(shù)據(jù)挖掘中應(yīng)用

數(shù)據(jù)挖掘工作的主要特點包括了應(yīng)用性、集合性、工程性以及交叉性。數(shù)學(xué)理論知識和方法在數(shù)據(jù)挖掘過程中起到了無可替代的作用。研究人員在展開數(shù)據(jù)挖掘工作時，頻繁使用的數(shù)學(xué)方法主要包括了聚類分析法、關(guān)聯(lián)分析法以及決策樹法等，不同數(shù)學(xué)方法在數(shù)據(jù)挖掘中起到了不同的作用。其中，聚類分析是挖掘挖掘中應(yīng)用最為重要的一種數(shù)學(xué)方法。聚類分析法實質(zhì)是指將物理或者對象集合體科學(xué)劃分成若干個具有類似或相似性的小組，即“物理類聚”。聚類分析法被廣泛應(yīng)用在醫(yī)學(xué)、心理學(xué)、營銷學(xué)以及統(tǒng)計學(xué)等領(lǐng)域中。聚類分析法在數(shù)據(jù)挖掘中的應(yīng)用內(nèi)容主要是通過灰色關(guān)聯(lián)分析法、目標函數(shù)模糊方法以及區(qū)間值算法進行體現(xiàn)的。

2.2.1  灰色關(guān)聯(lián)分析法的運用

灰色關(guān)聯(lián)分析方法還根據(jù)系統(tǒng)因素之間發(fā)展趨勢的相似或者相異程度，即“灰色關(guān)聯(lián)度”，作為衡量因素間關(guān)聯(lián)程度的一種數(shù)學(xué)方法，該種分析方法適用于數(shù)據(jù)動態(tài)發(fā)展歷程分析。在灰色關(guān)聯(lián)分析法中，灰色關(guān)聯(lián)系統(tǒng)的具體表現(xiàn)形式為S=（X，R），其中字母X指的是影響因子集合，字母R指的是因子間趨勢關(guān)聯(lián)映射的集合。研究人員在數(shù)據(jù)挖掘工作中通常采用的是數(shù)學(xué)灰色管理分析法，通過科學(xué)分析比較不同幾何曲線之間的幾何形狀展開數(shù)據(jù)分析處理。如果幾何曲線之間的幾何形狀越接近，這代表著數(shù)據(jù)關(guān)聯(lián)越大，反之如果幾何形狀越不接近，則數(shù)據(jù)關(guān)聯(lián)越小。研究人員通過在數(shù)據(jù)挖掘過程中運用數(shù)學(xué)灰色關(guān)聯(lián)分析法，有利于對樣本數(shù)據(jù)殘缺或者數(shù)據(jù)量小情況的分析處理，從中挖據(jù)出重要價值的數(shù)據(jù)。

2.2.2  目標函數(shù)模糊聚類法的運用

在實際工作生活中，模糊聚類法被廣泛應(yīng)用在圖像處理、數(shù)據(jù)分析以及數(shù)據(jù)挖掘工作中。伴隨著時間的不斷推移，計算機信息技術(shù)的不斷完善，目標函數(shù)模糊聚類方法應(yīng)用成為了當今社會大數(shù)據(jù)挖掘研究的重點，其是解決生活中實際聚類問題的有效方法。目標函數(shù)模糊聚類方法適用于對高維處理、高效率以及具有伸縮性大數(shù)據(jù)庫的數(shù)據(jù)挖掘工作。大數(shù)據(jù)挖掘研究人員利用目標函數(shù)模糊聚類法，將不同數(shù)據(jù)進行標準化后再科學(xué)標定，同時構(gòu)建出完善的模糊矩陣，最后科學(xué)采取直接聚類或者模糊等價矩陣的手段實施數(shù)據(jù)集和關(guān)鍵指標的聚類，并且還可以采用編網(wǎng)法或者最大樹法展開聚類作業(yè)。

2.2.3  區(qū)間值算法的運用

在數(shù)學(xué)知識內(nèi)容中，區(qū)間值算法是基于區(qū)間值聚類方法中最為常用的一種數(shù)學(xué)方法，其在數(shù)據(jù)挖掘工作內(nèi)容范圍中的應(yīng)用主要體現(xiàn)在對不完全系統(tǒng)信息進行挖掘和分析。大數(shù)據(jù)挖掘研究人員通過利用區(qū)間值算法，能夠?qū)?shù)據(jù)挖掘過程當中的一些能進行轉(zhuǎn)化的“比較型”數(shù)據(jù)，或者是固定取值范圍的數(shù)據(jù)進行科學(xué)分析處理。在實踐數(shù)據(jù)挖掘中，研究人員采用區(qū)間值算法主要涵蓋了三種不同聚類法，分別是矩陣與區(qū)間聚類法、數(shù)與區(qū)間聚類法以及區(qū)間與區(qū)間聚類法。在這三種方法中使用最為頻繁的是數(shù)與區(qū)間聚類法，該方法的合理運用能夠幫助研究人員真實、快速以及準確地對不完全的系統(tǒng)信息展開科學(xué)通知分析。在明確區(qū)間值時，研究人員可以通過利用先進的統(tǒng)計方法進行科學(xué)確定，或者也可以展開相互之間的討論分析，結(jié)合長期工作經(jīng)驗進行區(qū)間值的確定。

3  結(jié)語

綜上所述，當今社會發(fā)展離不開大數(shù)據(jù)技術(shù)的支持應(yīng)用，人們生活工作都會涉及到各種重要價值的數(shù)據(jù)信息。研究人員必須不斷加強對大數(shù)據(jù)挖掘的深入研究分析工作，提高對大數(shù)據(jù)的處理分析水平。數(shù)學(xué)作為大數(shù)據(jù)挖掘的支撐基礎(chǔ)，在大數(shù)據(jù)挖掘中研究人員要善于運用各種數(shù)學(xué)專業(yè)理論知識和方法，發(fā)揮出數(shù)學(xué)知識的價值作用，幫助人們從海量數(shù)據(jù)中快速挖掘出可利用價值數(shù)據(jù)，解決生活中存在的實際問題，為人類社會帶來更多的便利之處。

本文來源：《企業(yè)科技與發(fā)展》：http://m.k2057.cn/w/qk/21223.html