为什么需要数据挖掘

近年来，数据挖掘在信息行业引起了极大的关注，主要原因是数据量大，可以广泛使用，迫切需要将这些数据转化为有用的信息和知识。获得的信息和知识可用于各种应用，包括业务管理、生产控制、市场分析、工程设计和科学探索。

数据挖掘是从大量数据（包括文本）中挖掘出对决策具有潜在价值的隐含的、未知的关系、模式和趋势，并利用这些知识和规则构建决策支持模型，为预测决策提供支持方法、工具和流程；是利用各种分析工具在海量数据中发现模型与数据之间关系的过程。企业可以使用这些模型和关系来分析风险和预测未来。

数据挖掘的目的是从数据中“淘金”，即从数据中获取价值的过程。数据挖掘提供从数据到价值的解决方案。“机器学习”是数据挖掘的基石，“建模”是数据挖掘过程中最关键的环节。

视觉机器学习建模

观远BI大数据挖掘平台是针对互联网式用户体验的全新产品设计，极简风格的流式建模，快速实现各类数据挖掘应用，为个人、团队和企业决策提供预测智能。

平台具有精简可视化的建模界面，内置实用经典的统计挖掘算法和深度学习算法。这些算法配置简单，降低了机器学习的门槛，大大节省了成本。业务人员可以通过拖放轻松拖放组件。，进行可视化建模，完成模型流程的构建，管理模型发布。

该平台将机器学习系统打造成一个更通用、更易用的平台，可以帮助企业轻松接入相关业务到平台，从而帮助企业利用机器学习的方法对企业数据进行挖掘和分析，解决相关业务问题。

观远BI大数据挖掘平台汇聚50+数据挖掘算法组件，灵活构建业务模型流程，主要包括基础数据特征处理、分类、聚类、关联、回归、深度学习算法，支持Java和Python算法扩展。

l 操作简单

该平台可以通过直观易用的拖放操作，轻松实现数据准备、数据预处理、特征工程、模型训练、模型预测和评估的全过程，让用户轻松使用机器学习技术。此外，用户可以通过为数据预处理操作、特征工程和模型配置不同的参数来实现不同的任务需求。

l 丰富的数据预处理操作

平台支持并行化的预处理操作，支持多种数据预处理操作，如：合并行、去除重复值、过滤空值、添加序列号、类型转换、随机抽样、加权抽样、分层抽样、拆分等级。

l 大量实用算法

平台支持多种高效实用的机器学习算法，包括分类、聚类、回归等算法，包括多种可训练模型：逻辑回归、渐近梯度决策树、决策树、随机森林、朴素贝叶斯、支持向量机器，线性回归，渐近梯度回归树，K-means，DBSCAN，高斯混合模型。

l 支持文本分析

面对生活中以文本形式存在的海量数据，提取未知的、重要的、有价值的知识，如词频分析、分析用户偏好、帮助知识管理、提升客户服务等。

l 数据可视化

平台提供多种可视化，包括数据可视化、模型可视化、模型评估结果可视化。

l 挖掘模型的自学习

平台可自动补充新数据进行再训练，保证模型预测的准确性，大大减轻运维人员的工作量。

l 模型集中管理，一键发布

该平台实现模型的集中管理，与商业智能平台完美结合，使商业智能平台具备数据挖掘的功能。