数据挖掘技术在经济统计中的应用.doc

数据挖掘技术在经济统计中的应用 经济统计中数据挖掘技术的应用 【摘要】随着社会经济的不断发展和变革，传统的数据处理方式已远远不能满足于现状，严重影响着经济的探究与总结等相关问题，直接造成经济决策的失误。基于这种问题，数据挖掘技术的产生给经济统计工作带来了便捷，直接促进了经济统计技术的正常运行。而本文就是通过对数据挖掘技术的含义的解析，进一步阐述了数据挖掘技术在经济统计中的应用问题。 【关键词】经济统计数据挖掘技术应用 在人们的实际生活中，为满足社会经济对于数据信息的需求，人们通常会做大量的经济数据统计工作，而现有的数据统计分析质量已远远不能满足现在经济发展的需要。基于此，数据挖掘技术应用而生，为经济统计工具带来了新的变化，开启了经济统计工作的新方向。 一、数据挖掘技术的含义 通常情况下，数据挖掘技术就是从具有大量的、不完全的、模糊的等复杂数据信息中，对大量的数据信息进行详细的模型化处理，从而挖掘出具有利用价值的信息的过程。因此，数据挖掘技术最终是一种人工智能化的演变过程，包括对神经网络、机器学习机数据统计等内容，能够随着社会的发展而不断变化的学科。由于数据量较大，传统的统计分析方法在统计数据方面效率较低，甚至还会出现统计决策的失误。而数据挖掘技术就是将所得到的信息挖掘出的潜在的有效信息，在原有基础上发现无法预料的有价值的简单信息。由于数据挖掘技术对数据的分析要求很高，也正是因为这样，才使得数据挖掘技术变得更有实际意义。 数据挖掘技术是一种信息有效转换的过程，其步骤可简单概括为，准备数据到挖掘数据再到分析数据的过程。在这个过程中，数据挖掘技术起着关键性作用，其功能多样，有对模型的预测、数据的类聚或者分类等，同时还会涉及聚焦检测、衔接分析、关联规则等一些技术手段。因此，数据挖掘技术有多种特点和作用，一是能够将大量的数据信息得到有效处理；二是能够自动找出有价值的数据信息；三是可以对数据的有效信息进行分析和评判；四是可以将一些有效性功能性的信息及时并快速的反映出来。 二、在经济统计中，数据挖掘技术的表现 在经济统计中，数据挖掘技术的流程对统计工作有着重要作用。因此，数据挖掘技术应用到实际统计工作中，其首要任务就是定义问题并确定目的，这就需要技术人员在探索所有的经济问题明确的前提下进行数据的选择、采集和预处理，将这些准备工作完成充分。之后才能开展数据挖掘工作，尽可能的利用人工智能、统计方面的知识对数据类型和特点进行选择归类，挑选出合适的模型对数据进行信息的挖掘，最后进行工作的归纳分析，针对所挖掘出的有效性信息进行分析、评估和适当调整，尽可能最大限度的挖掘出有价值的信息，同时将其转化 数据挖掘技术在经济统计中的应用探究 一、数据挖掘技术的基本概念与产生过程 随着信息技术的发展，采集的数据量的急剧加大，此时产生了数据挖掘，它就是从大量的、不完全的、有噪声的、模糊的、随机的数据中，提取隐含在其中的、人们事先不知道的、但又是潜在有用的信息和知识的过程。在对大量的数据进行抽取、转换、分析和其他模型化处理过程中，从而提取得到对一些决策数据的支撑。 数据挖掘是一个由数理统计到人工智能，进而到机器学习的逐步演变、变化过程。它是一门交叉的学科，是一门涉及广泛的学科，是一门在社会的发展历程中不断前进变化的学科。它所涉及到的内容包括数据库技术、人机智能、知识库系统、知识获取、神经网络、统计学、模式识别、信息检索等，并且在跟着发展的需要、学科的进步变化而不断发展、向前。由于数据量之大，传统的统计分析方法主要是对没有明确假设的前提下去挖掘信息，只会使得效率低下，同时，对于问题的解决也在大打折扣，处理的结果不理想，传统的这种方法没有找到数据之间的内在联系，这样只是看到过去，不能很好的预测未来，对所要探索的目标不能得出想要的结论；而数据挖掘是将所得到的信息是对前者的补充，得到的潜在的东西，是在原有的基础上发现那些没法预料的、不是靠感官所能察觉的，甚至是一些与生活所违背的，它更是人工智能和统计分析的结合，是对传统技术的进一步拓展，由于对数据分析要求的进一步提高，也正是这一些特征才使得数据挖掘的结果而更加有意义与价值。 二、数据挖掘的相关技术与在经济统计中的应用 正是由于对于数据的大量收集、先进的计算机技术、数据算法的产生、超大规模数据库的出现、数据访问速度的提升、对数据进行精深统计方法计算的能力等等一系列东西的出现，从而一步步使得数据挖掘技术的作用越来越广泛。对于经济统计准确性与实用性的需要，数据挖掘技术才开始慢慢渗透到经济统计工作中。数据挖掘技术的主要方法 统计分析方法，数据库字段项之间存在两种关系，函数关系和相关关系，即能用函数公式表示的确定性关系与不能用函数公式表示，但仍是相关确定性关系。即利用统计学原理对数据库中的信息进行分析。 神经网络方法，是一种模拟人脑信息加工过程的智能化信息技术。就像人的神经网络的过程一样，经过输入、分析、输出的过程，而在经济统计过程中得到实际应用。它为我们提供了一种完整的、准确的处理过程，使得经济运行模式就像人在接受处理信息的过程一样而形象化、具体化、实用化，更好地取得经济过程中各个部分之间的联系，从而获得对经济问题的分析，获得处理办法。 决策树是一种用于预测模型的算法，是基于统计理论的非参数识别技术，通过对大量数据的有目的分类，找到有价值、潜在的信息。正是由于分类速度快，描述简单，特别适合对经济运行过程中出现的大规模数据的处理工作。 粗集理论的方法，是一种研究不精确、不确定知识的数学工具，是通过对上下近似集来出来不确定问题。它算法简单，易于操作；不需要给出额外信息；简化输入信息的表达空间。对于不确定的经济因素提供了一种思维方法，正是通过这种近似原则，使得经济决策更加的与需求所接近，为最大利益化的获得给予有力支撑。 遗传算法，是一种根据生物自然选择与遗传机理的随机搜索算法，其思路是根据社会问题，在指定对象的人群中去采集信息，通过对隐含信息的整合、分析，进而得到结果。它具有隐含性、易于和其它模型结合，可以对隐含数据进行采集，而后把挖掘出的数据加以分析，进而得到应用。经济问题是一个发展变化的问题，内部有着千丝万缕的联系，参照遗传算法，我们就可以通过源头开始，一步步向下延伸，去提取数据，进行整体分析，这样就把经济问题具体化、直接化、目标化，使得问题的研究更加直观，把隐性的表现化，促使经济统计工作更加简单、直白。 三、数据挖掘流程在经济统计中的体现 定义问题，对于经济问题，要定义出所要探究的问题，确定数据挖掘的目的。1.数据准备，选择数据，数据预处理。即对所要探究的经济问题所涉及到的数据进行采集，做好前期的一些处理工作，使得数据得到简化，为后续工作的顺利进行做准备。2.数据挖掘，根据数据的类型和数据的特点选择相应的算法，利用人工智能、统计等方法，去发掘出有用的信息。 3.结果分析，对上述得到的结果进行分析、评估，进而通过这一步骤去调整上面的方法，使得结果更加贴切。4.知识的运用，将得到的结果应用到实际经济问题中去，进而实现经济的良好运行与发展。 四、结束语 经济的发展结果使得各部分之间的联系更加的紧密，所包含的内容更加的复杂化，这使得经济统计工作的难度进一步加大，而数据挖掘技术就是通过发觉事物内部之间的联系、去揭示那些隐含的、潜在的、的但是却意义重大的东西，而使得经济统计工作能够得以有效运行。通过采用数据挖掘技术，使经济统计工作获得长足的进步，结果更加的准确，为社会经济发展、国家财富的积累起到了举足轻重的作用。 . 试论数据挖掘技术在经济统计中的应用作者：韩秀荣 ：商品与质量学术观察xx年第12期 摘要：在世界经济社会的大环境下，经济统计能够非常有效、真实地反映出社会经济的发展情况。另一方面，经济决策的制定在一定程度上也会依据这些数据。因此，相关部门在进行经济统计时必须要确保经济统计数据的有效性、准确性与可靠性，保证经济工作的顺利进行。在这样的情况之下，数据挖掘技术就应运而生来帮助解决经济统计问题。本文主要是浅谈了数据挖掘技术在经济统计中的应用。 关键词：数据挖掘经济统计应用技术 随着我国社会经济的全面发展，经济统计数据的工作量也逐渐加大。然而传统的数据处理方式却不能满足实际工作的需要，拖后了经济工作的步伐，由于这一系列问题得不到很好的解决，人们在探索的过程中就逐步产生了数据挖掘技术。 1、数据挖掘技术的概念、功能及优点 数据挖掘（DataMining），从名字来看就是从大量复杂的数据信息中挖掘出有利用价值的信息。通常，这些大量的复杂的数据信息都被认为是随机的、模糊的、不完全的、有噪音的，完全没有进行处理的信息。然而经过挖掘之后，这些原本看似没有任何利用价值的信息，就会呈现出一种新颖、有效、潜在有用的状态，最终为人们的生活与生产提供便利。这种信息数据的处理变化过程，就常常被称作是数据挖掘。它也可以理解成是在一些观察数据或事实的集合中找正确模式的决策支持过程。数据挖掘是一门涉及面极其广大的交叉学科，它可以简单的认为是经济信息转换的一个过程，同时它还包含了机器学习、模式识别、数据库、数理统计、神经网络、模糊数学等相关技术。 数据挖掘的大体步骤是：数据的准备、数据的挖掘、结果的分析。在这样一个完整的过程中，处于核心地位的就是数据的挖掘。而它的功能主要包括数据的聚类、模型的预测、分析等。除