發信人: 8088 (8088), 信區: DataMining
標  題: 1.5 數據挖掘逐漸演變的過
發信站: 南京大學小百合站 (Wed Dec 12 16:23:08 2001)

數據挖掘其實是一個逐漸演變的過程,電子數據處理的初期,人們就試圖通過某些方法來實
現自動決策支持,當時機器學習成為人們關心的焦點.機器學習的過程就是將一些已知的并
已被成功解決的問題作為范例輸入計算機,機器通過學習這些范例總結并生成相應的規則,
這些規則具有通用性,使用它們可以解決某一類的問題.隨后,隨著神經網絡技術的形成和發
展,人們的注意力轉向知識工程,知識工程不同于機器學習那樣給計算機輸入范例，讓它生
成出規則，而是直接給計算機輸入已被代碼化的規則，而計算機是通過使用這些規則來解
決某些問題。專家系統就是這種方法所得到的成果，但它有投資大、效果不甚理想等不足
。80年代人們又在新的神經網絡理論的指導下，重新回到機器學習的方法上，并將其成果
應用于處理大型商業數據庫。隨著在80年代末一個新的術語，它就是數據庫中的知識發現
，簡稱KDD(Knowledge discovery in database).它泛指所有從源數據中發掘模式或聯系的
方法，人們接受了這個術語，并用KDD來描述整個數據發掘的過程，包括最開始的制定業務
目標到最終的結果分析，而用數據挖掘（data mining）來描述使用挖掘算法進行數據挖掘
的子過程。但最近人們卻逐漸開始使用數據挖掘中有許多工作可以由統計方法來完成，并認為最好的策略是將統計方法與數據挖掘有機的結合起來。


數據倉庫技術的發展與數據挖掘有著密切的關系。數據倉庫的發展是促進數據挖掘越來越
熱的原因之一。但是，數據倉庫并不是數據挖掘的先決條件，因為有很多數據挖掘可直接
從操作數據源中挖掘信息




--

※ 來源:．南京大學小百合站 http://bbs.nju.edu.cn [FROM: 202.119.36.151]