数据挖掘技术在经济统计中的应用
统计分析和数据挖掘的技术和应用
统计分析和数据挖掘的技术和应用随着互联网的迅速发展，数据量也在不断地膨胀。
然而，纯靠人工去处理这些庞大的数据量已经显得不太现实，因此，统计分析和数据挖掘这两项技术应运而生。
统计分析能够提供完整和准确的数据，而数据挖掘则可以帮助人们在这些数据中挖掘出有用的信息。
这两项技术的应用不仅在商业领域非常广泛，还能够在医疗、金融等行业中发挥重要作用。
下面我们将详细探讨这两项技术及其应用。
一、统计分析统计分析是一种利用统计学方法来推论数据的技术。
它可以通过描述性统计和推论统计来对数据进行分析。
描述性统计是对数据进行简单的总结和分类，如平均值、标准偏差、中位数等等。
通过推论统计，我们可以利用已知数据推断出未知数据之间的关系。
推论统计包括假设检验、方差分析、回归分析等方法。
统计分析在商业领域中有着广泛的应用。
它可以帮助企业了解销售情况，分析市场需求，预测未来趋势，以及评估竞争对手的实力。
在评估风险方面，统计分析也可以为投资者提供有用的信息。
银行、信用机构等金融机构也广泛地使用统计分析技术，以确定借款人的信用等级。
此外，医疗领域也可以通过统计分析技术对疾病进行风险评估和诊断。
二、数据挖掘数据挖掘是将大量数据中的模式和关系挖掘出来的过程。
它通过使用复杂的算法和数据分析技术来识别有价值的数据。
数据挖掘包括分类、聚类、异常检测和关联规则挖掘等多种技术。
数据挖掘在商业领域也有着广泛的应用。
例如，企业可以使用数据挖掘技术来优化客户服务，根据客户的购买历史、偏好和需求，提供个性化的推荐服务。
医疗行业也可以利用数据挖掘技术来识别患者的健康风险和疾病风险。
在金融领域，数据挖掘技术可以用来制定合适的信用评级模型，以及监测金融市场变化。
三、统计分析和数据挖掘的应用实例1. 互联网广告在互联网广告领域，统计分析和数据挖掘技术被广泛应用。
通过对用户的搜索行为和浏览历史进行分析，广告公司可以更好地定位用户需求，从而提供更加精准的广告服务。
2. 零售业在零售业中，数据挖掘技术可以用来分析顾客购物行为和偏好，提前预测节假日和促销活动的效果，并优化产品组合。
经济统计学前沿知识点总结
经济统计学前沿知识点总结1. 大数据时代下的经济统计学随着互联网的兴起，数据的规模和种类不断增加，这使得经济统计学面临着新的挑战和机遇。
传统的经济统计学方法已经不能满足对大规模、多样化数据的处理和分析需求。
因此，如何利用大数据技术来解决经济统计学中的问题成为了新的研究方向。
例如，利用数据挖掘技术来发现经济规律、利用机器学习算法来预测经济发展趋势等都是当前研究的热点问题。
同时，大数据时代下的数据隐私和安全问题也成为了研究的焦点。
2. 统计学与经济分析的整合统计学和经济学是两个相对独立的学科，但二者在现实世界中常常交叉。
随着信息技术的发展，统计方法在经济分析中的应用越来越广泛，二者的整合也变得越来越重要。
例如，在金融市场中，统计学方法被广泛应用于风险评估和投资决策中；在宏观经济领域，时间序列分析和空间数据分析等统计方法也被广泛应用于经济预测和政策制定中。
因此，二者的整合成为了经济统计学的一个重要研究领域。
3. 空间数据分析与经济统计学传统的经济统计学方法往往忽视了地理因素对经济发展的影响，尤其是在城市化和区域经济发展方面。
随着空间数据分析技术的发展，人们开始意识到空间数据对经济统计分析的重要性。
空间数据分析可以帮助人们理解经济现象在地理上的分布规律，发现地理位置对经济发展的影响，并且可以为政府制定更合理的区域经济政策提供参考依据。
因此，空间数据分析与经济统计学的结合成为了当前研究的热点之一。
4. 非参数统计方法在经济统计学中的应用在传统的经济统计学方法中，往往假设数据符合某种特定的分布，然后利用参数统计方法进行分析。
然而，在实际经济数据中，往往很难满足这种假设，因此非参数统计方法的应用变得越来越重要。
非参数统计方法不依赖数据的分布假设，能够更灵活地处理各种类型的数据，因此在经济统计学中得到了广泛的应用。
例如，在风险评估和投资决策中，非参数统计方法被应用于对风险进行更准确的评估；在经济发展预测中，非参数统计方法可以更灵活地处理各种类型的经济数据，提高预测的准确性。
云数据分析在经济统计中的应用研究
云数据分析在经济统计中的应用研究随着云计算技术的发展，云数据分析的应用越来越广泛，特别是在经济统计领域。
云数据分析是指利用云计算技术对大量的、复杂的数据进行处理和分析，帮助企业或机构从中获取有价值的信息和洞察，进一步促进经济发展。
本文将重点探讨云数据分析在经济统计中的应用研究。
宏观经济统计是衡量一个国家或地区经济发展状况的重要指标。
云数据分析可以在宏观经济统计中发挥重要作用。
首先，云数据分析可以对宏观经济数据进行分析，帮助政府以及企业了解该地区的经济状况和趋势，从而做出有针对性的政策和经营决策。
其次，云数据分析可以实时监测宏观经济指标的变化，及时发现和预警可能发生的经济风险，为政府和企业制定相应的应对措施提供数据支持。
商业统计是指企业定期进行的经营数据分析，以便发现内部经营情况和外部市场趋势。
云数据分析可以通过以下几种方式进行商业统计：1.数据采集和整合：通过云计算技术可以采集和整合来自不同来源的数据，将其转化为可供分析的数据格式。
2.数据挖掘和预测：云数据分析可以通过各种数据挖掘技术，如聚类、分类、回归等，发现数据之间的关联性和模式，进行趋势预测和业务决策。
3.数据可视化和报表：云数据分析可以将分析结果以图表、报表等形式展现出来，便于管理层和业务人员了解企业经营状况和市场趋势。
金融统计是指对金融市场中各项指标的数据统计和分析。
云数据分析可以有效提升金融统计数据的处理速度和数据位点的质量，从而提高金融市场信息的时效性和准确性。
云数据分析可以：1.提高金融数据的处理速度：云数据分析技术可以大幅缩短数据处理的时间，从而帮助金融机构快速了解市场动态和交易情况。
2.提高金融数据的准确性：云数据分析可以通过数据挖掘和预测方法，从大量数据中发现隐藏的交易情况和潜在的金融风险，并提供预警机制，帮助金融机构及时发现并化解风险。
3.提供可视化输入：云数据分析可以将金融统计数据以可视化形式呈现，以便金融机构快速有效地进行决策。
试论数据挖掘技术在经济统计中的应用
３ 、 数据挖掘技术在经济统计中的可 行性研究
３ ． １ 能 为 经济 统 计提 供 有 效 的 服 务 数 据 挖 掘 技 术 虽 然 经 历 的 时 间 不 是 很 长 ，然 而 ， 它 的 研 究 与 应 用 水 平 已达 到 了 一 种相对稳 定的状态 。随 着科学技术 的不断发 展 ，数 据 挖 掘 技 术 在 各 国 也 普 遍 受 到 关 注 ， 特别是在经 济统计领域 。数据挖掘技 术能够 这 样 的 的迅 速 发 展 ，在 很 大 程 度 上 也 是 依 赖 于它对经济统计的有效服务。 ３ ． ２ 能够 为经济统 计的不 同需要 提供不 同的 需 求 目前 ， 最 常 见 的 数 据 挖 掘 工 具 主 要 有 综 合 工 具 、 通 用 型 工 具 、 和 面 向特 定 应 用 的 工 具。综合工具 ，不仅能够 为处 于商业 中的经 济体拿出有效 的管理报告 ，并 且还能够对普 通经济结构 中的数据信息经行深 入挖掘 。通 用型工 ，在市场 上 占最大 比例 ，在应用方面 最为成熟 的挖 掘工具 。面 向特 定应用工具 ， 从字面来理解 ，这种工 具就是针对特定领域 来提供服 务的，具有很强 的特别性 。 ３ ． ３建立宏观 经济数据库 ，为数据挖 掘 的应用提供了良好 的电子平 台 在 目前 的情 况下 ，全 国范 围内的大部 分 经 济统 计 部 门主要 使 用 的还 是应 用 统计 系 统 。大部 分经济统计 的数据信息都 处于一种 不 相 聚 分 散 的 状 态 ， 并 没 有 形 成 一 套 有 效 的 管理 系统。经济统计过 程中一旦 出现 问题， 严重 的就会导致经 济数据的有效性 与准确性 受 到 影 响 。 然 而 ， 当 建 立 了宏 观 经 济 数据 库 以后 ， 以上 问题就 可以寻找到有效 的解决办 法 。当宏观经济 数据库与数据挖掘 技术一起 合 理 运 用 ，就 能 保 证 挖 掘 到 的信 息 准 确 、 真 实。这样 的情况 下，在经济统 计中数据挖掘 技 术就能为其提 供更好 的服务 ，不仅满足 了 现 实 中经济发 展的需要 ，同时也为经济决策 的制定提供 了准确 、重要 的依据 。
数据挖掘技术
数据挖掘技术的 算法
聚类算法
K-means算法
层次聚类算法
DBSCAN算法
谱聚类算法
分类算法
决策树算法
朴素贝叶斯算法
K最近邻算法 支持向量机算法
关联规则挖掘算法
应用场景：市场篮子分析、 序列模式发现等
定义：从大量数据中挖掘出 有趣的关系
算法分类：Apriori、FPGrowth等
评估指标：支持度、置信度 等
去除无效或错误数据 填充缺失值 去除噪声数据 数据规范化
数据探索
数据收集：获取需要挖掘的数据集 数据清洗：去除重复、错误或不完整的数据 数据预处理：对数据进行转换或归一化处理，使其更易于分析和挖掘 数据探索：通过可视化、统计等方法探索数据集，发现其中的模式和规律
模型建立
数据预处理：清洗、整理 数据，提高数据质量
掌握数据预处理 和数据清洗的方 法
实践项目，提升 技能
选择合适的数据挖掘工具和平台
根据需求选择工具：考虑需要 解决的问题类型、数据类型、 数据量等因素
选择易用的平台：降低学习成 本，提高效率
考虑平台的可扩展性：随着业 务变化，需要不断扩展工具和 平台的能力
考虑成本效益：根据预算选择 合适的工具和平台
农业环境监测： 通过数据挖掘 技术，实时监 测农业环境的 变化，保障农 业生产的安全
数据挖掘技术的 优势与局限
数据挖掘技术的优势
发现隐藏在大量数据中的有用信息
揭示企业业务的内在规律和模式
自动化决策支持：基于数据挖掘的决策支持系统可以提高决策的效率和准确性
预测未来趋势：通过数据挖掘技术对历史数据进行深入分析，可以预测未来的市场趋势和业务发展 动向。
特征提取：从数据中提取 有用的特征
数据挖掘技术在浙江省经济统计中的应用
与国外相 比，国 内对数据 挖掘 的研 究稍 晚。直 到 １ ９ 年 ９３
注 ：本论 文是 浙江 省统计局２ ０ 年度 统计 学术类 重点课题 的一 部 ０７
分 ，获得 浙江省统计局 ２ ０ － ２ ０ 年度 统计学术 类重点课题 一等 奖。 ０７ ０８
提供有 力的支持 。
关键 词 ：数 据挖 掘 ； 经济 统 计 ；应 用
随着 经济统计数据量 的增 大和 变量的高维性 ，传统 的统计
方法 由于 技 术 条件 的 限 制 ，无 法 进 行 深 层 次 的挖 掘 ， 大 量 的 数 据 未 被 很 好 地 识 别 和 利 用 。 所 以在 经 济 统 计 中如 何 运 用 数 据 挖
般 数据 挖掘和数据仓库理 论 以及相关 回归等理论 ，探 索出符合
满足政府 以及企业 的需 要了 ，一致认 为将 数据 挖掘应用到经 济 统计 中很有意义。本文试 图对数据挖掘技 术在 浙江省经济统计
中 的应 用 进 行 探 索 。
‘
中国经 济普查的数据挖掘 技术的方法 （《 中国经济普查 的数据 挖掘 方法研 究 》，２ ０ 。 ０ ７）
一
、
圈 内外 研 究 现 状 分析
世界 上对 数据挖 掘 的正式研 究开 始于 １ ８ 年举 行 的第一 ９９ 届知识发现 （ ＤＤ）国际学 术会议。随着计算机硬 件的迅速发 Ｋ
展 ，促 进 了数 据 库 技 术 的 发 展 ， 数 据 挖 掘 技 术 也 就 应 运 而 生
了。数据挖 掘技术的研究在 国外 已经有很 多年 的历 史 ，而且 已
国 家得 到应 用 。 如今 世 界 上 许 多 国 家 的政 府 统 计 机 构 已经 在 投
二 、数据挖掘技术在浙江 省经济统训‘ 中 的应用探索
大数据分析及其对经济学的应用研究
大数据分析及其对经济学的应用研究大数据分析是一项快速发展的技术，它的应用领域不止于商业领域，在经济学领域，大数据分析也有着广泛的应用。
在这篇文章中，我们将从大数据概念、数据采集、数据存储和数据分析等角度，探讨大数据分析如何对经济学的应用产生影响。
一、大数据概念大数据是指具有高速、多样性和大容量特征的数据集合。
具体来说，大数据的特性包括四个方面，即数据量大、数据来源多、数据种类广、数据速度快。
这些特点使得大数据分析较传统统计分析方法更加高效和精准。
二、数据采集数据采集是指收集和获取数据的过程。
在传统的经济研究中，数据主要来自于调查、实验或样本观察等传统方法。
然而，在大数据时代，数据的获得已经变得更加普遍和容易。
例如，社交媒体、移动设备、物联网、云计算等技术的普及，使得大量的数据被不断采集和存储下来。
同时，也涌现出了许多第三方机构，他们致力于为企业和个人提供各种类型的数据。
这些数据的开放共享，为研究者和决策者提供了更多的数据选择和更准确的数据基础。
三、数据存储数据存储是指数据的保存和管理过程，它是大数据分析过程中的关键环节。
随着数据产生速度的提升，如何高效地管理和存储数据成为数据分析的首要问题。
在经济学中，数据存储可分为单一数据源和多数据源存储。
单一数据源主要指对于某一特定的经济状况或者某eenomicsystems业关键指标的统一管理。
多数据源存储，则是将各种多数据类型存储在一起。
多数据源存储的优势在于能够更全面的反映经济状况，更好的综合数据分析，从而提供更精准的数据决策支持。
四、数据分析数据分析是大数据应用最为核心的方法之一。
数据分析可以帮助经济学家观察、描述、解释、预测和评价各种经济现象和政策的效果。
大数据分析主要有两个方向，一是数据挖掘，二是信息化管理。
其中数据挖掘更侧重于从海量的数据中挖掘有价值的信息，用于经济预测、市场营销、资产评估等；而信息化管理则主要用于企业和政府信息化管理，包括人力资源管理、企业竞争力分析、政府治理等方面的应用。
大数据时代经管类专业经济统计学课程改革研究
大数据时代经管类专业经济统计学课程改革研究一、研究背景和意义随着信息技术的飞速发展，大数据时代已经来临。
大数据作为一种新型的数据资源，为各行各业提供了前所未有的数据处理和分析能力。
在这个背景下，经管类专业的经济统计学课程面临着巨大的变革压力。
传统的经济统计学课程在大数据时代的应用和发展中逐渐暴露出一些问题，如教学内容与方法的滞后性、实践性不足等。
对经济统计学课程进行改革，以适应大数据时代的需求，具有重要的现实意义和理论价值。
大数据时代的到来使得经济统计学课程的教学内容需要进行更新和优化。
传统的经济统计学课程主要关注统计数据的收集、整理、分析和解释，而在大数据时代，经济统计学课程需要关注数据的挖掘、分析、预测和应用等方面，以满足大数据时代对数据处理和分析能力的需求。
大数据时代的到来使得经济统计学课程的教学方法需要进行创新和改进。
传统的经济统计学课程主要采用课堂讲授、案例分析等教学方法，而在大数据时代，经济统计学课程需要采用更加灵活多样的教学方法，如在线教学、实践教学、项目式教学等，以提高学生的实践能力和创新能力。
大数据时代的到来使得经济统计学课程的实践性需要得到加强。
传统的经济统计学课程在实践环节设置较少，学生很难将所学知识应用于实际工作中。
在大数据时代，经济统计学课程需要加强实践环节的设计和实施，如实习实训、课题研究、创新创业等，以培养学生的实际操作能力和解决实际问题的能力。
大数据时代的到来使得经济统计学课程的国际化需求日益凸显。
随着全球化的发展，经济统计学课程需要关注国际视野和跨文化背景下的数据处理和分析能力，以满足国内外市场的需求。
对经济统计学课程进行改革，以适应大数据时代的需求，具有重要的现实意义和理论价值。
本研究旨在探讨大数据时代经管类专业经济统计学课程的改革方向和策略，为相关教育机构和教师提供参考和借鉴。
1. 大数据时代的到来对经管类专业经济统计学课程的影响随着大数据时代的到来，经管类专业经济统计学课程面临着前所未有的挑战和机遇。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
数据挖掘技术在经济统计中的应用
作者：王晓丽
来源：《经营者》2017年第06期
摘要我国的社会经济正在快速发展，经济统计可以表现出整个经济的发展状况，为未来的发展和调控给予有效的数据支持。
经济统计的数据通常都比较大，而且部分数据可能存在问题，以前的统计只是进行表面的计算，并没有深入分析。
而现代经济统计的发展是快速的，本文主要对经济统计方法中数据挖掘技术的优势进行分析，并且概述了其应用情况。
关键词经济统计数据挖掘统计方法
经济统计需要对庞大数据库内的信息进行整理和分析，但是由于数据较多、比较复杂，简单的统计方法没有办法实现全面的数据分析，无法将所有的数据进行准确的分析。
数据挖掘技术可以对数据进行深度的整理和分析，提高数据的真实性和质量，还能更加轻易地找出实用性的信息，对相关单位有十分大的意义。
一、数据挖掘技术的概念及功能
数据挖掘（Data Mining），就是从大量复杂的数据信息中挖掘出有利用价值的信息。
通常，这些大量的复杂的数据信息都被认为是随机的、模糊的、不完全的、有噪音的，完全没有进行处理的信息。
然而经过挖掘之后，这些原本看似没有任何利用价值的信息，就会呈现出一种新颖、有效、潜在有用的状态，最终为人们的生活与生产提供便利。
这种信息数据的处理变化过程，就常常被称作数据挖掘。
它也可以理解成是在一些观察数据或事实的集合中找正确模式的决策支持过程。
数据挖掘是一门涉及面极其广的交叉学科，可以简单地将它认为是经济信息转换的一个过程，同时它还包含了机器学习、模式识别、数据库、数理统计、神经网络、模糊数学等相关技术。
数据挖掘主要功能有：预测模型、分类、数据聚类、数据总结、关联规则发现、依赖关系或依赖模型发现、序列模式发现等。
根据数据挖掘技术的作用和特点来看，它具备的优点是：具有自动找出有价值的数据信息的功能；能够处理大量的数据信息；反映数据信息快速有效；能够有效地对数据信息进行分析与评判，描绘过去和未来。
二、经济统计中数据挖掘技术的优势
（一）数据有效性高
数据挖掘技术可以实现对整体数据的深层次加工，而且使用者可以根据自身的要求和目的，在长期积累的数据库中找到有用的数据信息。
通常情况下表现为两种形式，一种是对原有的数据库进行有效的管理，另外一种是对现有形成的数据进行实际的分析。
分析的方式也有所
不同，可以从数据管理的形式出发，在这个过程中对所有的数据进行归类，将原本复杂而又混乱的数据信息进行正确的管理，保证数据统计的安全性和使用数据时的搜索便利性。
（二）较强的综合应用性
数据挖掘技术是一个系统化的工具，可以满足人们对数据的各种需求，由于各个经济部门所管理的领域不同，方式和目的都存在较大的差异，所以对需求的数据形式和方式都会存在差异，需要进行不同的数据处理，这也是数据挖掘技术的优势之一，不仅可以使不同的经济统计部门满足自己的需求，得到自己所需要的信息，而且可以用不同的形式表达统计后的数据，还可以通过对数据的来源和统计方式进行评估，判断是否有足够的正确性。
而且这些数据还可以自动进行格式的转换，满足实际的格式要求，可以进行正常的录入，保证经济统计的正常进行。
（三）较强的数据整合性
很多经济统计部门都还在使用传统的方法，收集数据和分析数据都存在一定的局限，不能够触及数据的整体，可能会重复分析一些数据，降低统计的质量和效率。
数据挖掘技术可以整合整个统计数据系统，使所有的信息都可以被分析。
特别是在一定的宏观数据的基础上，保证各数据的准确性，在整合过后有更加充分的资源。
三、数据挖掘技术在经济统计中的应用
（一）预处理技术
在实行经济数据的统计过程中，最初期的方法就是预处理技术，对所有的数据进行一定的初步处理。
数据挖掘技术也是一种分析和整合基础信息的技术，会受到基础信息本身很大的限制，不可能随意对数据信息进行处理。
所以在进行全面性的主要过程之前，必须首先对所有的数据信息进行预处理，才能使数据挖掘技术实施得更加完美。
具体的预处理应该包括数据中的不准确、不真实的数据，以及不同的数据之间可能存在的较大差异等，这都会对数据分析产生影响。
在预处理中实行数据清理就是对有问题的数据进行处理，也包括不同的方法、不同的形式，要结合实际的情况和实际的数据需求选择最合适的处理方法，分析出最高质量的数据。
（二）决策树技术
决策树技术是数据挖掘技术在经济统计中一种十分常见的方法，通过对数据建立合适的决策树，从而可以直接、迅速地反映整个数据的具体分布情况。
完成一个全面的决策树通常分两步，首先要根据大致的信息建立一个简单的决策树，并配置一个模型，能够实现简单的输出分析。
然后对构建完成的决策树进行完善，对不同的数据进行分类，根据不同数据的特点和状态，从树的根部到枝干，依次输入不同的数据，直到输完所有的数据完成分类后停止。
当出现所有的数据都属于同一类或者没有办法进行分类时就要立即停止分类，然后进行下一步的工作。
在建立和完善整个决策树的模型后，就要根据使用者实际使用的数据信息和要求对数据进
行剪切，将不必要的数据或者无用的信息丢掉，从而再进行数据分析时可以更加快速，可以更加准确地得到所需要的信息，减少因为数据过多而在数据输出时出现问题的可能性，降低其产生的起伏影响。
（三）遗传算法
它是一种根据生物遗传机理和自然选择的随机搜索算法，其主要思路是依据特定的社会问题，然后在指定对象中去采集相关信息，最后通过归整、分析隐含的信息，进而得到结果。
经济问题不是固定不变的，相反它是一个不断发展变化的问题，内部的联系千丝万缕，改变其中一项其他的也会相应改变。
按照遗传算法的步骤，从源头开始，一步步向下探索，去提取信息数据，对整体进行分析，这样就能把经济问题目标化、具体化、直接化，使得在研究问题时可以更加直观，把隐性的信息表现出来，使得经济统计工作更加直白、简单。
（四）神经网络法
神经网络法是一种高强度模拟人脑加工信息过程的智能现代信息技术。
它和人的神经运动过程一样，首先进行数据的输入，然后进行精准的分析，最后输出。
其在经济统计过程中得到了实际的应用。
神经网络法提供了一种准确的、完整的处理经济统计的过程，使得经济运行模式和人在处理信息的过程很相像，一样实用化、形象化、具体化，使经济过程中各个部分之间能取得更好的联系，从而获得对经济统计问题的处理办法。
四、结语
数据挖掘技术在现代经济统计中占有重要的地位，也是未来统计工作的一种趋势。
它可以实现对数据更深的分析处理，提升分析数据的质量，可以帮助决策者做出更好、更稳定的发展决策，带来更大的效益。
我们一定要及时更新传统的经济统计方法，扩大数据挖掘技术的使用范围，从而提高统计的效率，减少统计时的成本支出。
（作者单位为汾西矿业集团中兴煤业公司）
参考文献
[1] 王思懿.数据挖掘技术在经济统计中的应用管窥[J].商，2015（18）：216.
[2] 崔丹.数据挖掘技术在经济统计中的应用探索[J].财经界，2014（5）：149.
[3] 张红军.谈谈数据挖掘技术及其应用[J].广西梧州师范高等专科学校学报，2013 （3）：23-25.。