数据挖掘

数据挖掘是探索和分析大量信息以发现有意义的模式和趋势的过程。它位于统计学、机器学习 (ML)和数据库系统的交叉点，是“数据库中的知识发现”(KDD) 流程中的关键一步。通过筛选海量的原始输入，数据挖掘将非结构化噪声转化为结构化、可操作的洞察，供企业和研究人员用于做出明智决策。

在现代人工智能 (AI)的背景下，数据挖掘通常是预测建模的先驱。在算法能够预测未来之前，它必须理解过去。例如，在计算机视觉 (CV)中，挖掘技术可能会分析数千张图像，以识别定义特定对象类别的常见特征——例如边缘、纹理或形状——为训练鲁棒的数据集奠定基础。

数据挖掘中的关键技术

数据挖掘依赖于多种复杂的方法来揭示数据中隐藏的关系。这些技术使分析师能够超越简单的数据汇总，进行深度发现。

• classify：这涉及将数据项分类到预定义的组或类中。在视觉 AI 中，这类似于根据历史标记示例训练模型以区分“汽车”和“行人”的过程。
• 聚类分析：与 classify 不同，聚类根据相似性对数据点进行分组，而无需预定义标签。这对于无监督学习至关重要，其中算法可以自动对客户购买行为或相似图像纹理进行分组。您可以在Scikit-learn 的文档中阅读更多关于聚类方法的信息。
• 异常检测: 这种技术识别显著偏离常规的数据点。它对于金融领域的欺诈检测或在生产线上发现制造缺陷至关重要。
• 关联规则学习：这种方法发现数据库中变量之间的关系。一个经典的例子是市场购物篮分析，零售商用它来确定购买面包的顾客也很可能购买黄油。
• 回归分析：用于根据其他变量预测连续数值，回归对于预测销售趋势或在深度估计任务中估算物体距离至关重要。

实际应用

数据挖掘的实用性几乎涵盖了所有行业，通过揭示肉眼不可见的模式，推动效率和创新。

制造和质量控制

在智能制造中，数据挖掘用于分析机械的传感器数据。通过应用预测性维护算法，工厂可以在设备故障发生之前进行预测。此外，像YOLO26这样的计算机视觉模型可以生成推理日志，这些日志经过挖掘可识别重复出现的缺陷类型，帮助工程师调整生产流程以减少浪费。

医疗诊断

数据挖掘通过分析电子健康记录和医学影像来改变医疗保健。研究人员挖掘基因组数据，以发现特定基因序列与疾病之间的关联。在放射学中，挖掘大量的X射线数据集有助于识别肺炎或肿瘤等疾病的早期指标，这有助于医学图像分析。

区分相关术语

要充分理解数据挖掘，将其与数据科学领域中密切相关的概念区分开来会有所帮助。

• 数据挖掘 vs. 机器学习：尽管它们有重叠，数据挖掘侧重于发现现有模式，而机器学习侧重于利用这些模式来学习和预测未来结果。数据挖掘通常是探索性阶段，为机器学习模型的特征工程提供信息。
• 数据挖掘 vs. 数据可视化：可视化是数据的图形表示（图表、图形）。挖掘是生成待可视化洞察的分析过程。像Tableau这样的工具通常可视化数据挖掘的结果。
• 数据挖掘 vs. 数据仓库：数据仓库涉及从多个来源集中存储和管理大量数据。数据挖掘是对这些仓库数据执行以提取价值的过程。

Ultralytics 数据挖掘实践

在计算机视觉工作流中，“挖掘”通常发生在分析推理结果时，以发现高价值的 detect 或难以处理的边缘情况。这一过程通过Ultralytics Platform得到简化，该平台有助于管理和分析数据集。

以下示例演示了如何“挖掘”图像集合，使用 YOLO26模型 查找特定的高置信度detect。这模拟了从海量数据流中筛选相关事件的过程。

from ultralytics import YOLO

# Load the YOLO26n model
model = YOLO("yolo26n.pt")

# List of image paths (simulating a dataset)
image_files = ["image1.jpg", "image2.jpg", "image3.jpg"]

# Run inference on the batch
results = model(image_files)

# 'Mine' the results for high-confidence 'person' detections (class 0)
high_conf_people = []
for result in results:
    # Filter boxes where class is 0 (person) and confidence > 0.8
    detections = result.boxes[(result.boxes.cls == 0) & (result.boxes.conf > 0.8)]
    if len(detections) > 0:
        high_conf_people.append(result.path)

print(f"Found high-confidence people in: {high_conf_people}")

此代码片段展示了一个基本的挖掘操作：过滤原始预测以提取感兴趣的子集——即高置信度识别出人物的图像——然后可用于 active learning 以进一步提高模型性能。