大數據數據挖掘技術有哪些

大數據數據挖掘技術有以下這些：

• 決策樹學習技術：決策樹學習是一種通過逼近離散值目標函數的方法，通過把實例從根節點排列到某個葉子節點來分類實例，葉子節點即為實例所屬的分類。樹上的每個節點說明了對實例的某個屬性的測試，該節點的每一個后繼分支對應于該屬性的一個可能值，分類實例的方法是從樹的根節點開始，測試這個節點指定的屬性，然后按照給定實例的屬性值向下移動。決策樹方法主要用于數據挖掘的分類方面。

• 分類技術：分類是找出數據庫中一組數據對象的共同特點并按照分類模式將其劃分為不同的類，其目的是通過分類模型，將數據庫中的數據項映射到某個給定的類別。它可以應用到客戶的分類、客戶的屬性和特征分析、客戶滿意度分析、客戶的購買趨勢預測等。

• 聚類分析技術：聚類分析是把一組數據按照相似性和差異性分為幾個類別，其目的是使屬于同一類別數據間的相似性盡可能大，不同類別數據間的相似性盡可能小。聚類分析的技術關鍵除了算法的選擇之外，就是對樣本度量標準的選擇。并非由聚類分析算法得到的類對決策都有效，在運用某一個算法之前，一般要先對數據的聚類趨勢進行檢驗。

• 粗糙集技術：粗糙集是將數據庫中的屬性分為條件屬性和結論屬性，對數據庫中的元組根據各個屬性不同的值分成相應的子集，然后對條件屬性劃分的子集與結論，劃分子集之間上下近似關系，生成判定規則。粗糙集理論可以應用于數據挖掘中的分類，發現不準確數據或噪聲數據內在的結構聯系。

• 回歸分析技術：回歸分析方法反映的是事務數據庫中屬性值在時間上的特征，產生一個將數據項映射到一個實值預測變量的函數，發現變量或屬性間的依賴關系，其主要研究問題包括數據序列的趨勢特征、數據序列的預測以及數據間的相互關系等。

• 關聯規則技術：關聯規則是描述數據庫中數據項之間所存在關系的規則，即根據一個事務中某些項的出現可導出另一些項在同一事務中也出現，即隱藏在數據間的關聯或相互關系。

• 特征分析技術：特征分析是從數據庫的一組數據中提取出關于這些數據的特征式，這些特征式表達了該數據集的總體特征。

• 神經網絡技術：神經網絡建立在自學習的數學模型基礎之上，能夠對大量復雜的數據進行分析，并可以完成對人腦或其他計算機來說極為復雜的模式抽取及趨勢分析，神經網絡既可以表現為指導的學習也可以是無指導聚類，無論哪種，輸入到神經網絡中的值都是數值型的。

• 遺傳算法技術：遺傳算法是一種受生物進化啟發的學習方法，通過變異和重組當前已知的最好假設來生成后續的假設。通過使用目前適應性最高假設的后代替代群體的某個部分，更新當前群體的一組假設，來實現各個個體適應性的提高。在數據挖掘中，可以被用作評估其他算法的適合度。

回答所涉及的環境：聯想天逸510S、Windows 10。