多種數(shù)據(jù)挖掘技術對于電子商務分類問題研究.pdf

1、電子商務行業(yè)競爭激烈，數(shù)據(jù)的價值正日益受到市場的重視。然而，相關統(tǒng)計工具僅提供統(tǒng)計信息、統(tǒng)計模型和假設檢驗結(jié)論，仍缺乏對數(shù)據(jù)空間的細節(jié)認知。而數(shù)據(jù)挖掘技術正是從數(shù)據(jù)空間和信息論的角度對數(shù)據(jù)進行分析，給出宏觀與微觀的數(shù)據(jù)結(jié)構特征，并利用這些特征幫助對未分類數(shù)據(jù)進行預測。不同領域的數(shù)據(jù)具有不同的分布特征，且名義屬性、數(shù)值屬性的分類效率是截然不同的，這使得傳統(tǒng)分類器只適用于特定的場合。普適優(yōu)化的分類器模型需要在克服以上困難的同時，利用盡可能多

2、的信息對一個分類問題進行建模，以統(tǒng)一的方法和流程提供數(shù)據(jù)空間的特征知識，提升預測性能水平。考慮到電子商務數(shù)據(jù)集的數(shù)據(jù)量一般較大，分類器應盡量分散計算負擔，以提高訓練和預測計算速度。同時，電子商務的數(shù)據(jù)具有分布式，流量大等特點，其數(shù)據(jù)需要被有效整合并理解，以促進企業(yè)的發(fā)展。
　　本文對數(shù)據(jù)挖掘相關技術進行了分析，指出現(xiàn)有技術存在的不足，如對數(shù)據(jù)類型，尺度和結(jié)構限制較多，且分類模型并非普適，對大型數(shù)據(jù)運算較慢等。本文描述了產(chǎn)生上述不足