几位学者对目前数据挖掘方法的“判词”

武夷山

美国Montclair州立大学的John Wang和另外两所大学的两位华裔学者在International Journal of Business Intelligence and Data Mining（企业情报和数据挖掘杂志）（注：黄富强博主认为，译为“商业智能”较好，不是企业情报）2007年第2期发表文章，Diminishing downsides of data mining，文章评点了几种常用数据挖掘方法的特点，尤其是缺点。

1．             神经网络方法。很多挖掘工作都是基于神经网络方法，其缺点有两个，一是神经网络的学习过程很耗时，因此，对于大规模的数据集合，这个方法效率不高；二是不直观，仿佛是个黑箱处理过程。

2．             决策树方法。其主要缺点是，如果训练集是含有噪声的，就可能找不出有效的树。

3．             遗传算法。该算法需要很大的计算量，这就是其主要缺点。

4．             模糊逻辑。这个领域的研究，日本较发达，美国落后。在英语中，Fuzzy有负面含义，在日语中，却暗含“聪明”之义。

5．             数据可视化。这种方法，在数据量很大的时候，就不易发现潜藏的模式了。所以，要采用三维表现手法，这对模式识别有帮助。

博主：又过去四年了，数据挖掘领域在不断发展，但上面的“判词”似乎没有被颠覆。