五类技术让你玩转数据挖掘

数据挖掘一般没有什么预先设定好的主题，主要是在现有数据上进行基于各种算法进行计算，从而起到预测（Predict）的效果，实现一些高级数据分析的需求。教育数据挖掘主要有以下五类技术方法。

第一，预测。建立一个能够从整合多个预测变量推断单一被预测变量的模式。例如，研究者通过在线学习环境中学习者参与在线讨论的情况、测试情况等，预测学习者在该门课程的学习中是否有失败的风险。

第二，聚类。根据数据特性，将一个完整的数据集分成不同的子集。例如，研究者根据学习者在在线学习环境中学习困难、交互模式等将学习者分成不同的群组，进而为不同的群组提供合适的学习资源和组织合适的学习活动。(https://www.daowen.com)

第三，关系挖掘。探索数据集中各变量之间的相关关系，并将相关关系作为一条规则进行编码。例如，研究者利用关系挖掘，探索在线学习环境中学习者学习活动和学习成绩的相关关系，进而用于改进学习内容呈现方式、序列，以及在线教学方法。

第四，人类判断过程简化。用一种便于人类理解的方式描述数据，以便人们能够快速地判断和区分数据特征。该方法主要以可视化数据分析技术为主，用以改善机器学习模型。

第五，模型构建。通过对数据集的聚类、相关关系挖掘等过程，构建供未来分析的有效现象解释模型。

数据挖掘比较典型的算法有用于聚类的K-means、用于统计学习的SVM和用于分类的Naïve Bayes，主要使用的工具有Hadoop的Mahout等。该过程的特点和挑战主要是用于挖掘的算法很复杂，并且计算涉及的数据量和计算量都很大，常用的数据挖掘算法都以单线程为主。