數據挖掘技術在綠色家用電子產品評價中的應用

何鸝潁 張起聞

（1.北京出入境檢驗檢疫局 北京 100176；2.北京師范大學）

1 前言

綠色家用電子產品評價，是指評價某類家用電子產品在生產、使用、處置等整個生命周期均符合環境保護的要求，不對人體健康造成危害。許多國家非常關注綠色產品，德國萊茵TüV集團（TüV Rheinland）于2012年推出綠色產品標識，旨在針對消費品及其對環境的影響做自律性規范。我國也高度重視綠色產品，國家質檢總局與認監委已經開始建立統一的綠色產品標準、認證、標識體系。

綠色產品中包括綠色家用電子產品，本文結合數據挖掘技術對綠色家用電子產品進行分析和評價。

2 數據挖掘技術[1]

目前，社會已經進入大數據時代，人們生活、工作等都會產生大量數據，匯成浩瀚的大數據海洋。如何有效地利用大數據，從大數據中提取有用信息，創造價值，就需要數據挖掘技術。

數據挖掘技術一般是指從大量、不完整、有噪聲、隨機、模糊的數據中發現隱藏在數據中的關系，通過建立模型，提取有價值的信息和數據的技術。

數據挖掘有以下幾個階段：

（1）確定挖掘的任務或目標。用回歸、分類、估計、聚類、關聯規則發現或序列模式發現等進行（圖1）。

圖1 數據挖掘目標模型

（2）數據與信息收集。搜集不同渠道來源的數據，如相關數據庫和互聯網，根據確定的數據分析對象，抽象出在數據分析中所需要的特征信息，然后選擇合適的信息收集方法，將收集到的信息存入數據庫。對于海量數據，選擇一個合適的存儲和管理的數據倉庫至關重要。

（3）數據選取。根據需要從原始數據庫中抽取一組數據，其目的是確定發現任務的目標數據。

（4）數據預處理。由于數據源來自多方面，根據數據來源的質量，在有必要的情況下需要進行消除噪聲、數據過濾、消除冗余數據、完成數據類型轉換等預處理。

（5）根據挖掘任務選擇合適的算法。選擇算法有兩個考慮因素：一是不同的數據有不同的特點，因此需要用與之相關的算法來挖掘；二是用戶或實際運行系統的要求。

數據挖掘算法有很多，如C4.5、k-Means、SVM、Apriori、EM、PageRank、AdaBoost、kNN、Naive Bayes、CART等，使用頻率最高的算法是決策樹（如C4.5、CART）、聚類算法（如 k-Means）。決策樹算法本質上是導致做出某項決策的問題或數據點的流程圖，其最容易讓人理解，具有很強直觀性。

在決策樹算法上需要避免的一個問題是把決策樹構建得過大，過于復雜。過于復雜的決策樹往往會過度擬合（Over-Fitting），不穩定，而且有時候無法詮釋，這時可以把一棵大的決策樹分解成多棵較小的決策樹來解決這一問題。

（6）建立模型。根據數據挖掘的目標和數據特征，選擇合適的模型。在這個階段，可以選擇和應用不同的模型技術，模型參數被調整到最佳數值，如決策樹模型。通過創建挖掘結構定義要使用的數據列，將挖掘結構鏈接到數據源，但只有對挖掘結構進行處理后，該結構才會實際包含數據。

（7）評估。評價數據挖掘的結果，選擇最優的評估模型。

評估分類器的技術有保持方法、隨機二次抽樣、k-折交叉確認方法、自助法。評價數據挖掘分類模型除用準確度以外，還需要使用靈敏性和特效性等評價指標，還可以用精度即表示被分為正例的示例中實際為正例的比例來度量。需要注意的是，評估分類模型時，通常使用的是準確度，它的功能是評估模型分類是否正確，但并不是說準確度越高模型就越好。因為對于評估來講有2類錯誤，第1類為棄真錯誤，第2類為取偽錯誤，很明顯第2類錯誤造成的危害和損失比第1類錯誤要大，因此即使第2類的準確度高于采用第1類的準確度，也不能說明前者優于后者。

此外，在生成模型時，通常需要使用不同配置創建多個模型，并對所有這些模型進行測試，驗證生成最佳結果的模型。

3 數據挖掘在綠色家用電子產品評價中的應用

綠色家用電子產品評價的基礎來自其整個生命周期，而檢驗檢測認證是其重要的一個環節，通過檢驗檢測認證來證實家用電子產品是否綠色環保。關于檢驗檢測認證行業，每年要出具數億份報告，可以提供幾百億個數據，是大數據的制造者。雖然這些大數據很有價值，但由于大數據具有數據體量巨大，持續實時產生，增長量高，類型復雜等多種特性，因此有用數據被淹沒在巨量的數據大海中，要利用如此海量的大數據進行綠色家用電子產品評價，需要使用數據挖掘技術來挖掘出節能性能與環保數據。通過對這些數據進行分析整理，就能判斷家用電子產品是否符合綠色產品的指標和標準，診斷出家用電子產品達不到要求、出問題的環節，這樣就可以對家用電子產品進行風險分類和評估，通過讓企業進行改進、對產品進行召回，對家用電子產品進行風險控制。

利用數據挖掘技術進行綠色家用電子產品評價有以下幾個階段：

（1）確定挖掘的任務或目標，首先確定綠色電子產品評價所需信息和參數。

①產品類別或名稱。電子產品大類有：音視頻設備、信息技術設備、家用電器設備；每類又包括很多產品，如音視頻設備包括電視機、機頂盒等，信息技術設備包括計算機、顯示器、便攜式電腦、打印機等，家用電器設備包括空調、冰箱、洗衣機、電飯鍋、抽油煙機等。

②產品測試數據。開機功率、能耗、待機功率、關閉狀態功率、RoHS、REACH結果等。

③產品品牌。如海爾、三星等。

④產品制造商和生產企業。銘牌和產品證書顯示的制造商和生產企業。

⑤時間段。產品數據參數對應的時間段。

⑥回收機制。

（2）數據與信息收集。對于綠色電子產品的評價，權威數據來源渠道很多，生產企業、檢測機構會上報認證機構或者質量監督管理部門，回收企業、銷售企業會上報節能環保管理部門，也有數據來自政府相關管理部門或其授權網站的報道、投訴和相關內容。數據和信息分散儲存在上述機構和單位的服務器中，可能存儲格式會有不同。根據確定的數據分析對象，將收集到的信息存入數據庫，建立數據存儲和管理的數據倉庫。

（3）綠色家用電子產品評價數據選取。對于綠色電子產品認證，數據庫和信息主要來源于認監委、認證機構、質量監督部門、質量抽查部門、檢測機構、相關企業等的信息和數據。

（4）綠色家用電子產品評價數據預處理。由于數據源來自主管部門、認證機構、檢測機構、相關企業等數據庫，也有取自網頁或其他途徑，因此需根據不同數據來源的質量，進行消噪、數據過濾、消除重復、數據類型轉換等預處理。

（5）選擇合適的算法，建立綠色家用電子產品評價模型[2]。例如可以選擇使用頻率最高的決策樹算法（如C4.5，CART），建立決策樹模型。第一分支查能效等級，根據能效等級設立數據分隔點，按照能效等級把產品劃為幾組，其中能效等級為3級的直接變為葉子節點，不再往下延伸。對于能效等級為1級、2級的可以設為決策樹的第二層，按照產品各部分是否滿足RoHS、REACH要求，不滿足的直接變為葉子節點，不再往下延伸；滿足的可以設為決策樹的第三層，以此類推。判斷依據是電子產品滿足綠色產品的要求的個數，還可以按更細的參數再做層次劃分。這樣不斷通過創建挖掘結構定義要使用的數據列，將挖掘結構鏈接到數據源。

利用決策樹系統創建評價綠色電子產品最優路徑是將綠色電子產品涉及的參數和指標進行排序，這樣，經過最少的步驟，得出綠色電子產品評價結果。

（6）評估。評價數據挖掘的結果，選擇最優的模型，評估模型是否適用于可以判斷綠色電子產品相關的實際情況。選擇準確度高的模型，同時避免取偽錯誤給綠色家用電子產品評價帶來的危害和損失。

總之，可以利用數據挖掘技術，通過整合各相關機構大量的檢測報告和檢測數據，建立電子產品相關數據庫。用功率、能耗、有毒有害物質含量等參數，形成個性化變量特征庫；采用數據挖掘技術，對大量數據進行抽取、轉換、分析和模型化處理，從中提取關鍵性數據；通過綠色產品標準，建立數據模型，分析電子產品每個參數是否均滿足綠色產品相應每個限值的要求；根據數據挖掘的基本模型和工具，在綠色家用電子產品評價的數據建模中進行運用，尤其是與綠色家用電子產品評價過程進行相關運用，利用數據挖掘中的粗糙集、神經網絡、關聯規則、決策樹等來研究綠色家用電子產品評價問題；可以通過事先設定的標準找到匹配的電子產品，也可以把電子產品進行聚類分析讓其自然分群，通過功率、能耗、有毒有害物質含量等相關數據變量的分析預測和優化，找到滿足綠色電子產品目標，發現評價信息和數據；利用數據挖掘的理論和方法，可以得到綠色電子產品的數據挖掘結果，如確定是否為綠色電子產品、綠色電子產品等級、電子產品不合格情況等，實現綠色家用電子產品的評價系統，從而為社會和公眾能夠提供判斷依據。

4 結束語

大數據技術和數據挖掘技術為檢驗檢測認證行業帶來了新的應用工具，本文結合對綠色電子產品的評價，探討數據挖掘技術在檢驗檢測和認證領域的應用范例，希望國家主管行政部門牽頭建立一個檢驗檢測認證行業的大數據平臺，用數據挖掘方法發現檢驗檢測認證行業中的所有關鍵信息和潛在信息，在避免非法用戶對數據進行篡改或竊取的安全保護措施下，給公眾和社會提供信息和數據查詢，給不同層次的管理人員提供決策的依據，從而提升檢驗檢測認證行業在國家的公信力和權威地位，提高管理者的決策水平。

[1]David Hand，Heikki Mannila，Padhraic Smyth. 數據挖掘原理[M].張銀奎，廖麗，宋俊，等譯.機械工業出版社，2003.

[2]趙連寶.數據挖掘在銀行業中的應用[J].財政金融，2014，（40）：28-31.