概念
基於ai、機器學習、統計學等技術，高度自動化的分析原有資料，進行歸納推理，從資料倉儲中提取可信的、新穎的、有效的、人們感興趣的、別人能理解的知識的高階處理過程。
模式分類：
**性模式或描述性模式
實際應用中可細分為：關聯模式、分類模式、聚類模式、序列模式
目的提高市場的決策能力，檢測異常模式，在過去經驗的基礎上預言未來的趨勢。
在資料庫中找規律
步驟：
挖掘 表述
評價 資料探勘的任務
從大量的資料中發現模式：
關聯分析
分類分析
聚類分析
序列分析
偏差檢測
模式相似性挖掘
web資料探勘
資料探勘的結構
採用三層c/s結構：使用者介面、資料探勘引擎、資料倉儲
資料探勘的常用技術
資訊理論方法
集合論方法
統計學方法
視覺化方法
準備的是否充分影響到資料探勘的效率和準確度，以及最終模式的有效性,include:
存在的意義：
頻繁互動資料庫的同時進行大量複雜運算，會有很高的時間複雜度。so。。特點
技術要求
資料庫資料倉儲
主要任務
oltp(聯機事務處理)
olap(聯機分析處理)
細節的綜合的
在訪問瞬間是準確的
代表過去的資料
可更新不可更新、唯讀
面向應用
面向分析
一次運算元據量小
一次運算元據量大
操作需求可事先知道
操作需要事先不知道
q：那直接用資料倉儲不就行了，為什麼要分離？
a：主要原因是提高兩個系統的效能，資料庫是為已知的任務和負載設計的
而資料倉儲的查詢通常是複雜的，設計大量資料在彙總級的計算，在運算元據庫系統上處理olap查詢，會打打降低操作任務的效能。
資料倉儲的實現
立方體計算：立方體總數t如果10維每維4個層次產生的方體數是5的10次方。
so，物化所有方體是不現實的，比較合理的方法是物化部分
q:資料探勘和資料倉儲為什麼聯合使用
a:談麼你都可以完成決策的過程的支援，並且相互間有一定的內在聯絡，整合在一起可以更加有效的提高系統的決策支援能力。
資料倉儲和資料倉儲分層
資料倉儲 data warehouse 可簡寫為dw或dwh。資料倉儲，是為企業所有級別的決策制定過程，提供所有型別資料支援的戰略集合。它是單個資料儲存，出於分析性報告和決策支援目的而建立。為需要業務智慧型的企業，提供指導業務流程改進 監視時間 成本 質量以及控制。1 問題簡單化，將乙個複雜的問題分...
資料探勘 資料倉儲
雖然存在資料倉儲並不是資料探勘的先決條件，但實際上，若能訪問資料倉儲，資料探勘的任務就會變得容易的多。資料倉儲的主要目標是增加決策過程的 情報 和此過程的相關人員的知識。資料倉儲對不同的人來說有不同的意義。資料倉儲是乙個整合的，面向主題的資料庫集合，用於實現決策支援功能 dsf 其中的每個資料單元都...
資料倉儲（OLAP OLTP）與資料探勘
一 挖掘資料存在問題 1 把來自各個資料來源的資料匯集到乙個中心倉庫中，即資料倉儲。資料倉儲位於乙個單獨的節點上，使用同一的模式從多個資料來源收集資料，給使用者提供乙個單獨的 統一的資料介面，目的是能在不同的資料上高效執行查詢。2 分析收集到的資料發現可以成為商務決策基礎的資訊或知識。資料探勘 目標...