数据挖掘在农村信用合作社系统中的应用摘要：随着经济的发展，各行各业开始建立自己的信息系统，以期望自身获取更多的效益。农村信用合作社为了提高整个系统性能实现智能化将数据挖掘引用进来。文章介绍了利用数据挖掘技术在农村信用合作社管理系统的构建。/2/view-13088473.htm关键词：数据挖掘；智能化：TP315文献标识码：A：1674-0432（2011）-11-0242-20引言最近十年中国农村信用合作社信息化达到了前所未有的高度，从最初的电子化业务处理，到成功布置各农村信用合作社垂直业务体系和建成内部网络，再到最终海量数据的集中，等等。农村信用合作社业信息化进程空前发展。但是，电子信息化不是我们想要的，信息化只不过是开发出来的一系列工具使其能够保证核心竞争力，而在这些信息化工具当中，更为复杂、高效的数据挖掘等核心工具，暂时还没有被中国农村信用合作社业所掌握。在农村信用合作社业中应用数据挖掘的最高阶段是实现金融商业智能化，这是我们最终的目标。金融智能是为了使农村信用合作社决策者获得洞察力，促使对企业做出有力决策，而对农村信用合作社所掌握的信息进行搜集、分析和管理的一系列措施。为农村信用合作社系统的维护和升级、重组做出决策性的支持。1数据挖掘的概念数据挖掘(DataMining)，是从存放在数据库，数据仓库或其他信息库中的大量的数据中获取有效的、新颖的、潜在有用的、最终可理解的模式的非平凡过程。数据挖掘是一门涉及很多方面的交叉型学科，包括统计学、机器学习、数据库技术、神经网络、模式识别、模糊数学等相关技术。数据挖掘技术应用非常广泛，比如对金融数据的挖掘，对农村信用合作社客户关系管理的数据挖掘；对农村信用合作社风险管理的数据挖掘。2数据挖掘的主要方法2.1经典统计方法抽样技术:对于用户来说，处理的对象是海量数据，如果对所有的数据都进行严格的分析处理是不现实的，所以就在一定的算法下对海量数据进行抽样检测。成熟的分析方法有聚类分析和因子分析等，预测方法有回归分析和时间序列分析等。2.2可视化技术可视化技术是指用图表之类的方式把数据特征体现给用户，如直方图等，在可视化技术当中运用了许多描述统计的方法。而且高维数据的可视化是可视化技术面对的一个难题之一，现今也在进一步完善的过程中。2.3神经网络神经网络是先对数据计算然后处理，再得到结果，用于后续的回归分类。其模拟人的神经元功能，经过输入层、隐藏层、输出层大致这三层结构。典型的神经网络模型主要分三大类:用于优化计算的离散模型和用于联想记忆的连续模型；用于预测、分类、模式识别和的前馈式神经网络模型，代表类型有函数型和感知型。自组织映射方法神经网络的优点有很多，比如分布存储、自组织的、自适应性、鲁棒性、并行处理、高度容错等特性适用于聚类，正是因为神经网络的诸多特点和优点，在解决数据挖掘的问题方面非常得心应手，---本文来源于网络，仅供参考，勿照抄，如有侵权请联系删除---所以应用很方便，但神经网络也存在着一些在所难免的缺点，例如网络的学习和决策过程对于普通人来说是很难理解的。2.4遗传算法遗传算法是一类借鉴生物界的遗传机理与生物自然进化选择演化而成的随机化搜索算法，是一种仿生的优化方法。遗传算法被应用在数据挖掘技术中，是因为该算法具有的隐含并行性容易与其他模型相结合。较常见的算法有模糊集合方法、贝氏因果网络和粗糙集方法等。数据挖掘是为决策服务的，因为从开始时就是面向应用的，而最终的决策者一般都不太具备很专业的技术知识，所以，在数据挖掘工具方面，许多研究机构和公司看到了此处的商机而开发了一系列的工具，现今具体的工具有IBM的IntelligentMiner，SAS的EnterpriseMiner和SPSS的Clementine等，这些都是商业化的数据挖掘产品。2.5决策树决策树是经常用于预测模型的一种算法，它的方法是通过将大量的数据有目的地进行分类，从这些分类数据中找到一些潜在的、有价值的信息。决策树算法的主要优点是分类的速度快，算法描述简单，特别适合大规模的数据处理。3农村信用合作社数据挖掘的实施步骤3.1商业阶段该阶段的宗旨是制定一个初步实现目标...