27、数据挖掘：从实践到理论的探索之旅

数据挖掘：从实践到理论的探索之旅

1. 早期实践项目

在数据挖掘的实践探索中，有几个早期项目具有重要意义。

1.1 卡卡杜国家公园丛林火灾预测专家系统

澳大利亚联邦科学与工业研究组织（CSIRO）的土地与水研究部门，在理查德·戴维斯博士的带领下，为卡卡杜国家公园开发丛林火灾预测专家系统。卡卡杜位于澳大利亚北领地，常遭受由鲁莽旅行者引发的毁灭性丛林火灾。当地原住民在数百年间发展出了通过火灾管理环境的复杂知识。我们的任务是在空间导向的专家系统中捕捉这些原住民的专业知识。该系统与原住民长老合作开发知识库，旨在通过空间推理预测丛林火灾的范围，实现可控燃烧和火灾管理。这个项目取得了成功，开发了基于Prolog的空间专家系统，我也借此机会发表了第一篇论文，并在法国的国际会议上获得最佳学生论文奖。

1.2 决策树与第四代语言（4GL）

我带领团队将决策树归纳算法集成到墨尔本BBJ计算机公司的第四代语言（4GL）“Today”中。“Today”可快速开发数据库系统，集成决策树算法后，客户不仅能构建数据库系统，还能从数据库中发现知识。经过一年的开发，系统在澳大利亚和欧洲销售，这是将知识发现或数据挖掘（当时称为机器学习）融入数据库环境的早期范例。

1.3 汽车贷款专家系统

1989年，通过与Esanda金融公司（澳新银行集团子公司）的咨询合作，我们利用决策树归纳技术为汽车贷款审批构建专家系统。此前，汽车贷款审批流程繁琐，需要电话沟通和离线信息处理。Esanda积累了多年的汽车贷款盈利能力数据，包括违约和可靠还款客户的记录。我们基于这些数据构建决策树模型，并将其集成到贷款系统中。汽车销售场的财务控制器只需输入客