可视化数据挖掘技术

《可视化数据挖掘技术》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、可视化数据挖掘技术　　伴随着科研技术的不断发展以及社会的不断创新，网络信息技术强化了社会信息交流的流畅性和拓展性。随着信息的不断增多，如何快速、准确的提取有使用价值的信息，成为分析可视化数据挖掘技术。　　【关键词】可视化数据挖掘技术分析　　传统的数据挖掘技术在应用过程中，应用者是无法观察到数据挖掘的过程，只能够获得结果，在数据分析与挖掘的过程中使用者并不能直观的观察过程，其往往会导致使用者更与单一性的分析数据挖掘结果，失去数据挖掘的意义。可视化数据挖掘技术结合了计算机与用户的视觉感受，是一种能够直观观察的数据挖掘方式，在数据挖掘过程为用户提供直观性

2、的信息数据，便于用户交互流量数据，从而极大程度提升数据挖掘的效率、准确性、有效性，获得更有使用价值意义的数据结果。　　1可视化及数据挖掘的含义　　所谓的可视化，也就是指人借助视觉观察并在思维中形成客观事物影像的过程，这是一种心智处理的过程。可视化能够提升人们对事物的观察准确性并形成一个完整的整体概念。可视化结果能够便于人们理解和记忆，并且对于信息的表达方式、处理方式是其他方式无法替代的。可视化技术普遍是以人所习惯的图形、图像为工具融入到信息处理技术当中，主要是将信息化数据以更加直观的方式让人所接受和理解。通过仿真化、形象化、模拟化等全新技术方式重现

3、出来。可视化不仅可以以客观的现实展现数据内容，还可以为使用者提供富有规律、客观、真实的数据信息。数据挖掘主要是指借助检测和分析数据，获得更多潜在的有使用价值的信息。数据挖掘的定义主要分为狭?x与广义。狭义的数据挖掘主要是按照已经处理过或分析过的数据，从当中提炼出有使用意义的信息数据，从广义上分析，主要是在数据库当中分析出富有应用价值的数据信息。可视化数据挖掘对于当前许多企业而言均有着显著的应用意义，尤其是在大数据时代下，数据局逐渐成为现代化企业分析市场需求、掌握企业客户群体的主要手段。　　2可视化数据挖掘的提出　　由上述分析可以发现，可视化技术与数

4、据挖掘技术本质上是两个不同的领域，但是都与计算机技术有一定程度的关联性。数据挖掘的过程需要可视化技术的支持，可视化分析本身也是数据挖掘的一个过程。其中，可视化主要是指将某一些无法看见的或抽象的事物通过能够看见的图像或图形可视化出来；可视化主要是采用计算机创建相应的图形，从而理解哪些大量、复杂、无需的数据信息。可视化数据挖掘主要有三个阶段，数据准备、模型生成、知识使用以及流程可视化。　　数据准备：数据的准备阶段主要是借助可视化数据挖掘技术将数据预处理的过程展现出来，简单而言，就是将复杂、大量的原始数据通过某种规律进行展现和规划，这里所致的可视化技术主

5、要是包括数据的转换、丢失值得处理、数据的裁剪以及数据的采样等；生成模型：生成模型这一过程中主要是将目标数据库通过数据挖掘操作技术细化数据挖掘每一个细节、过程，并将其展现出来。其中主要包括模型的选择、参数的设计、数据的训练集、数据的挖掘细节以及结果的储存等过程；数据使用。在数据使用这一阶段中，可视化数据挖掘技术的操作目的主要是把数据挖掘的结果通过某种可视化方式展现出来，例如将结果通过树形图形展现出来，从而为数据使用者提供更加真实、可靠、完整的数据分析结果。普遍状况下，数据挖掘的结果抓哟分为分类与关联两种，其都是以人类视觉能容易接受的方式展现；流程的可

6、视化。数据挖掘的流程可视化最终目的是将数据挖掘的整个过程以某种可视化方式显示出来，让用户看懂，这也是为知识分析师、企业管理者提供更多依据进行决策和分析。　　3可视化数据挖掘的主要技术分析　　可视化数据挖掘的主要技术主要是以下四种：1、标准2D与3D技术。这一技术主要是用于统计应用，但是不是能应用于多维数据。主要是借助条形图、柱形图和饼图等常用的标准2D、3D技术，这也是可视化的主要方式和结果；2、分层技术。分层技术的基本意义就是按照层次的特征，将多维数据空间划分为多个子空间，并按照各个层之间的关联性，将子空间以层次的结构形式重新进行组建，并以图形的

7、形式显示。分层技术主要依据层次轴、双曲线、锥形图等时机方式进行描述；3、几何变换技术。几何变换技术主要是对数据集进行降维处理。其基本意思就是借助投影、映射将多维数据转变为3D、2D的形式，准便成为人视觉所能够理解的投影。几何变换技术适用于多维数、低数据量的数据库。其实施方式主要有平行坐标法与投影追踪等；4、面向像素技术。面向像素技术主要是分析像素点在屏幕当中的分布状况，其能对于一些数据量庞大的数据库进行细致的分析，进而获得数据的整体结构和分布状况。因为面向像素技术分析的是像素点，所以其能够按照分析目标的不同，选择不同的排列方式，其应用方式主要是递归

8、技术与数据管道技术。　　例如，在信贷方面的应用中，信贷数据的挖掘和普通数据挖掘不相同，主要是统计和挖掘一些信用度较高的用户