谈数据挖掘技术在第三方物流企业的应用(3)
2017-09-02 04:37
导读：数据挖掘：第三方物流企业根据数据功能的类型和数据的特点选择相应的算法，在净化和转换过的数据集上进行数据挖掘。 结果分析：第三方物流企业对
数据挖掘：第三方物流企业根据数据功能的类型和数据的特点选择相应的算法，在净化和转换过的数据集上进行数据挖掘。
结果分析：第三方物流企业对数据挖掘的结果进行解释和评价，转换成为能够终极被理解的知识。
知识的运用：第三方物流企业将分析所得到的知识集成到物流业务信息系统的组织结构中往。
评价数据挖掘软件需要考虑的题目
越来越多的软件供给商加进了数据挖掘这一领域的竞争。第三方物流企业如何正确评价一个贸易软件，选择合适的软件成为数据挖掘成功应用的关键。评价一个数据挖掘软件主要应从以下四个主要方面：
计算性能：如该软件能否在不同的物流业务平台运行；软件的架构；能否连接不同的数据源；操纵大数据集时，性能变化是线性的还是指数的；算的效率；是否基于组件结构易于扩展；运行的稳定性等；
功能性：如软件是否提供足够多样的算法；能否避免挖掘过程黑箱化；软件提供的算法能否应用于多种类型的数据；第三方物流企业能否调整算法和算法的参数；软件能否从数据集随机抽取数据建立预挖掘模型；能否以不同的形式表现挖掘结果等。
可用性：如用户界面是否友好；软件是否易学易用；软件面对的用户是初学者、高级用户还是专家；错误报告对用户调试是否有很大帮助。
辅助功能：如是否答应第三方物流企业更改数据集中的错误值或进行数据清洗；是否答应值的全局替换；能否将连续数据离散化；能否根据用户制定的规则从数据集中提取子集；能否将数据中的空值用某一适当均值或用户指定的值代替；能否将一次分析的结果反馈到另一次分析中等等。
数据挖掘技术是一个年轻且布满希看的研究领域，利益的强大驱动力将会不停地促进它的发展。每年都有新的数据挖掘方法和模型问世，人们对它的研究正日益广泛和深进。尽管如此，数据挖掘技术仍然面临着很多题目和挑战：如数据挖掘方法的效率亟待进步，尤其是超大规模数据集中数据挖掘的效率；开发适应多数据类型的挖掘方法，以解决异质数据集的数据挖掘题目；动态数据和知识的数据挖掘；网络与分布式环境下的数据挖掘等。
