略谈数据挖掘技术在经济统计中的应用

2020-02-28田长磊

卷宗 2020年36期

田长磊

（山东省济宁市汶上县统计局，山东济宁 272500）

对经济统计工作来讲，需要对数据信息进行有效的收集和整合，但由于数据存在一定的不完整性和模糊性，使得经济统计工作的质量受到严重影响。为了对其进行有效的改变，需要将数据挖掘技术引入其中。本文从以下方面对其进行详细的阐述。此次研究对丰富数据挖掘技术方面的知识具有理论性意义。

1 数据挖掘技术的简述

1.1 数据挖掘技术内涵

数据挖掘指的是数据的深加工，即数据信息精细化处理的过程。数据挖掘技术的作用体现在，对大量的数据进行深层次的开发，并在数据库中整理自身需要的数据，同时，将零散数据进行完整化处理。由于数据的随机性和噪声性相对突出，因此，使模糊数据出现概率明显增加。在数据挖掘技术的基础上，能够对数据中的可用信息进行深度挖掘，并进行有效的提取和整理，从而使数据的清晰度和实用性得到显著的提升。为了使数据挖掘技术能够对信息进行有效处理，需在经济数据转换的基础上进行，并利用统计学、神经网络学等技术进行有效的辅助，因此，数据挖掘技术是学科交叉技术的一种。在统计学科中应用数据挖掘技术，可以对数据进行有效的统计分析，这样不仅可以使数据分析效率得到显著的提升，而且能够使数据分析过程得到明显的简化。

1.2 数据挖掘技术的特点

数据挖掘技术的特点主要体现在以下方面：第一，有效信息包含在数据本身之中，但是会被其他数据信息所隐藏。因此，在对数据挖掘技术进行使用时，其需要对海量信息进行处理，一般情况下，利用TB或GB对大数据进行表示；第二，当数据库构建完成之后，利用关联词的方式来对有用数据进行搜索，这样不仅可以使自身所需信息被有效找到，而且可以使搜索范围被有效缩小，从而使数据收集的效率显著提升；第三，随着经济社会信息的不断扩充，信息库中储存的信息量也随之增加。因此，信息库需要对容量进行不断的扩大，这样可以使生产信息的需求得到满足。除此之外，为了让使用者对所需信息进行快速找寻，需要对信息搜索的精准性进行有效的提升。

1.3 数据挖掘技术的优势

数据挖掘技术的优势主要体现在以下方面：第一，其能够对海量信息进行有效处理，从而使工作效率得到明显提升。数据挖掘技术能够对大量数据信息进行快速处理，在经济统计工作中应用数据挖掘技术，可以使其工作效率得到明显的提高。另外，面对复杂程度较高的海量数据信息时，数据挖掘技术能够对其进行有效的整合，工作人员在数据规律的基础之上，对其进行有效的深度分析；第二，对搜索和实时预测进行有效支持，为市场决策提供一定的协助作用。在数据挖掘技术的基础上，使用者可以通过关键词输入的方式来完成联想搜索，这样可以使搜索信息的速度明显提升，以此来使工作效率得到大幅度的提高。与此同时，相关统计人员可以对信息进行有效的分析和整合，并对其存在的关联性进行有效构建，从而来合理预测未来经济的发展趋势；第三，综合性相对较强，能够对多方经济工作进行有效的协调。数据挖掘技术能够对复杂、乱序的信息进行有效整合，使其能够转换成有效信息，这样可以为部门工作提供重要的数据支撑，从而使不同部门数据信息的需求得到有效满足；第四，有效性相对突出，安全性相对较高。在经济统计中应用数据挖掘技术，相关工作人员不仅可以对数据进行系统的了解和掌握，而且能够对数据进行深度分析和整合，这样可以使其工作效率得到大幅度的提升。除此之外，对数据库技术进行合理化的应用，使其能够长期储存海量经济信息，从而为后续工作的开展提供有效保障。

2 数据挖掘技术在经济统计中的应用

2.1 预处理方法运用

对经济统计来讲，由于数据本身存在一定的特殊属性，如复杂多样性、不完整性等，在利用数据之前，需要对其进行必要的预处理策略。对数据预处理来讲，其为处理方式的一种，主要由以下方面构成：第一，数据清理，数据清理指的是对无效信息进行清除，常用的方法为预测法、平滑法等。对原始数据来讲，其通常存在不完整性、模糊以及随机等特点，这使得原始数据存在明显的局限，从而使其无法直接的进行应用，需要对其进行处理，将其中包含的无效信息进行清除，如空值、含有噪声的数据等，这样可以使数据的准确性和有效性得到保障；第二，数据集成，数据集成指的是有效整合原始数据中的不同数据，使其能够以整体的形式存在。在对数据进行整合的过程中，不仅要使数据集合的可操作性得到保障，而且需要使数据集合的准确性得到保障；第三，数据变换，数据变换也称之为数据转化，其主要对不同的方法进行使用，使其能够对数据进行转化，从而为数据规模化和数据泛化的有效实现提供基础保障。

2.2 决策树方法

决策树方法是快速分类法的一种，在经济数据统计中运用决策树方法，能够以直观的方式对数据进行呈现。对收集的经济数据来讲，需要对其有用价值进行深入挖掘，因此，需要对系统分析进行有效应用。利用决策树方式对经济数据进行分析时，需要对决策树结构进行合理化的构建，主要从以下两方面入手：一方面，对分析输出的基本模型进行有效构建，并在训练集的基础上，对决策树进行有效构建；另一方面，对已构建完成的决策树来讲，需要对其进行数据分类，分类工作是由下及上，即由根部向树枝方向发展，当数据输入符合相关设置时，才会停止。该种方式是递归的过程，需要和树枝开展同步进行。在对决策树进行使用的过程中，想要使决策树有效停止，需要满足以下条件：第一，节点上数据全都属于同一类别，使得数据会出现停止现象；第二，并没有分类属性，但对数据依旧进行二次分割。

2.3 在遗传算法中应用

在学术领域中，遗传算法指的是生物自然和遗传机理进行有效结合，在数据处理过程中，对算法进行随机选择。对经济统计工作来讲，相关统计人员需要将社会现状考虑其中，对特定人群数据进行收集，并对数据中含有的信息进行全面分析，以此来对最终分析结果进行有效获得。遗传算法的隐含特征得到突出表现，在该特征的基础上，相关统计人员将遗传算法和数学模型进行结合，对其中隐含的数据进行全面采集，并对数据挖掘技术进行有效应用，使其能够对隐藏的价值信息进行全面挖掘。