空间数据挖掘是试图在地理数据中寻找模式的过程,最常用于零售业,它已经从数据挖掘领域发展出来,最初集中于在文本和数字电子信息中寻找模式。空间数据挖掘被认为是比传统挖掘更复杂的挑战,因为空间数据挖掘是在地理数据中...
空间数据挖掘是试图在地理数据中寻找模式的过程,最常用于零售业,它已经从数据挖掘领域发展出来,最初集中于在文本和数字电子信息中寻找模式。空间数据挖掘被认为是比传统挖掘更复杂的挑战,因为空间数据挖掘是在地理数据中寻找模式的过程,与标准数据挖掘一样,空间数据挖掘主要用于市场营销和零售业。它是一种决策在哪里开什么样的商店的技术。它可以通过处理预先存在的数据来帮助这些决策,这些数据是关于什么因素促使消费者去一个地方而不是另一个地方。假设Ashley想在某个城市街区。如果她能获得适当的数据,她可以利用空间数据挖掘来找出什么样的空间因素使夜总会成功。她可能会问这样的问题:如果附近有公共交通,会不会有更多的人来夜总会?离其他夜生活场所的距离有多大?靠近加油站是有利还是不利?Ashley可能还想确保来她夜总会的人在一个晚上的时间里分布均匀,她还可以更准确地使用空间数据挖掘技术,时空数据挖掘是为了找出人们在特定时间是如何在城市中流动的。同样的过程可以应用于一周中不同夜晚的顾客。这种方法的困难是由于互联网以外的世界的复杂性造成的。而过去在数据挖掘方面的努力通常已经有了成熟的数据库分析表明,空间数据挖掘的输入不是信息网格,而是地图这些地图有不同类型的对象,如道路、人口、商业等等。确定某个事物是否“接近”其他事物,从离散变为连续变量。这大大增加了分析所需的复杂性。难以置信的是,这是尝试空间数据挖掘的人可以使用的一种更简单的关系类型。空间数据挖掘也面临误报的问题。在搜索查找关系的数据的过程中,统计误报会导致许多明显的趋势出现。在挖掘更简单的数据库的任务中,也会出现这个问题,但数据挖掘者可用的数据量会使这个问题更加严重。最终,数据挖掘识别出的趋势应该通过解释和补充研究的过程来确认
-
发表于 2020-08-07 04:09
- 阅读 ( 838 )
- 分类:电脑网络