本文摘要：一、什么是智能数据分析？智能数据分析，它是指运用统计学、模式识别、机器学习、数据抽象等数据分析工具从数据中找到科学知识的分析方法。智能数据分析的目的是必要或间接地提升工作效率，在实际用于中当作智能化助手的角色，使工作人员在合理的时间享有合理的信息，协助他们在受限的时间内做出准确的要求。智能数据分析的目的是必要或间接地提升工作效率，在实际用于中当作智能化助手的角色，使工作人员在合理的时间享有合理的信息，协助他们在受限的时间内做出准确的要求。

一、什么是智能数据分析？智能数据分析，它是指运用统计学、模式识别、机器学习、数据抽象等数据分析工具从数据中找到科学知识的分析方法。智能数据分析的目的是必要或间接地提升工作效率，在实际用于中当作智能化助手的角色，使工作人员在合理的时间享有合理的信息，协助他们在受限的时间内做出准确的要求。智能数据分析的目的是必要或间接地提升工作效率，在实际用于中当作智能化助手的角色，使工作人员在合理的时间享有合理的信息，协助他们在受限的时间内做出准确的要求。

信息系统中累积的大量数据，其原始数据的价值较小，只有通过智能化分析方法提取其中的精华，才能从数据中挖掘出其中的价值，为人类所利用。二、智能数据分析分类智能数据分析方法主要为两种类型，一是数据抽象（DataAbstraction）；二是数据挖掘（DateMining）。数据抽象：数据抽象结构是对现实世界的一种抽象化从实际的人、物、事和概念中提取所关心的联合特性，忽视非本质的细节把这些特性用各种概念准确地加以叙述这些概念构成了某种模型。简而言之就是在忽视类对象间不存在差异的同时，展现出了对用户而言最重要的特性。

三种常用的抽象化：分类、挤满、总结。数据挖掘：一般是所指从大量的数据中通过算法搜寻隐蔽于其中信息的过程。

数据挖掘一般来说与计算机科学有关，并通过统计资料、在线分析处置、情报检索、机器学习、专家系统（依赖过去的经验法则）和模式识别等诸多方法来构建上述目标。智能数据分析方法还包括分类、估算、预测、相关性分组或关联规则，聚类，简单数据类型挖出等。三、智能数据分析的少见方法智能分析技术在数据的处置数据中具备十分最重要的意义，主要还包括以下几类少见方法：决策树：在未知各种情况再次发生概率的基础上，通过包含决策树来贪图清净现值的期望值小于等于零的概率，评价项目风险，辨别其可行性的决策分析方法，是直观运用概率分析的一种图解法，它是创建在信息论基础之上对数据展开分类的一种方法。

首先通过一批未知的训练数据创建一棵决策树，然后使用建成的决策树对数据展开预测。决策树的创建过程是数据规则的分解过程，因此，这种方法构建了数据规则的可视化，其输入结果更容易解读，精确度较好，效率较高，缺点是难以处置关系简单的数据。常用的方法有分类及重返树法、双方自动交互观测法等。

关联规则：是形似X→Y的蕴涵式，其中，X和Y分别称作关联规则的先导（antecedent或left－hand－side，LHS）和后继（consequent或right－hand－side，RHS）。其中，关联规则XY，不存在反对度和信任度。这种方法主要是用作事物数据库中，一般来说具有大量的数据，当今用于这种方法来缩减搜寻空间。粗糙集：是时隔概率论、模糊集、证据理论之后的又一个处置不确定性的数学工具。

用粗糙集理论展开数据分析主要有以下优势：它需要获取对科学知识或数据的主观评价，仅有根据观测数据就能超过移除校验信息；非常适合并行计算、获取结果的必要说明。如下图，X称作R的粗糙集。

模糊数学分析：用模糊不清（Fuzzysets）数学理论来展开智能数据分析。现实世界中客观事物之间一般来说具备某种不确定性。就越简单的系统其精确性就越较低，也就意味著模糊性就越强劲。

在数据分析过程中，利用模糊集方法对实际问题展开模糊不清评判、模糊不清决策、模糊不清预测、模糊不清模式识别和模糊不清聚类分析，这样需要获得更佳更加客观的效果。人工神经网络：一种应用于类似于大脑神经神经元连接起来的结构展开信息处理的数学模型。

该模型由大量的节点（或称之为神经元）之间互相连接起来包含。每个节点代表一种特定的输入函数，称作激励函数（activationfunction）。每两个节点间的相连都代表一个对于通过该相连信号的权重值，称作权重，这相等于人工神经网络的记忆。

网络的输入则依网络的相连方式，权重值和激励函数的有所不同而有所不同。而网络自身一般来说都是对自然界某种算法或者函数的迫近，也有可能是对一种逻辑策略的传达。浑沌分型理论：浑沌（Chaos）和分形（Fractal）理论是非线性科学中的两个最重要概念，研究非线性系统内部的确定性与随机性之间的关系。

浑沌叙述的是非线性动力系统具备的一种不平稳且轨迹局限于受限区域但誓言反复的运动，分形说明的是那些表面看起来杂乱无章、变幻莫测而实质上潜在有某种内在规律性的对象，因此，二者可以用来说明自然界以及社会科学中不存在的许多普遍现象。其理论方法可以作为智能理解研究、图形图像处置、自动控制以及经济管理等诸多领域应用于的基础。

大自然计算出来分析：这种数据分析方法根据有所不同生物层面的仿真与建模，一般来说可以分成以下三种有所不同类型的分析方法：一是群体智能算法，二是免疫系统算术方法，三是DNA算法。群体智能主要是对集体不道德展开研究，免疫系统算法具备多样性，经典的主要有偏移、克隆选择等，DNA算法主要使归属于随机化搜寻方法，它可以展开全局寻优，在实际的运用中一般都能提供优化的搜寻空间，在此基础上还能自动调整搜寻方向，在整个过程中都不必须确认的规则，当前DNA算法广泛应用于多种行业中，并获得了不俗的效益。

本文来源：PG电子官方网站-www.cheekychimpsmoothies.com