資料探勘(data mining)是從大量的、不完全的、有雜訊的、模糊的、隨機的資料中提取隱含在其中的、人們事先不知道的、但又是潛在有用的資訊和知識的過程。
一、資料探勘物件
根據資訊儲存格式，用於挖掘的物件有關聯式資料庫、物件導向資料庫、資料倉儲、文字資料來源、多**資料庫、空間資料庫、時態資料庫、異質資料庫以及internet等。
二、資料探勘流程
定義問題：清晰地定義出業務問題，確定資料探勘的目的。
資料準備：資料準備包括：選擇資料–在大型資料庫和資料倉儲目標中 提取資料探勘的目標資料集;資料預處理–進行資料再加工，包括檢查資料的完整性及資料的一致性、去雜訊，填補丟失的域，刪除無效資料等。
資料探勘：根據資料功能的型別和和資料的特點擊擇相應的演算法，在淨化和轉換過的資料集上進行資料探勘。
結果分析：對資料探勘的結果進行解釋和評價，轉換成為能夠最終被使用者理解的知識。
三、資料探勘分類
直接資料探勘：目標是利用可用的資料建立乙個模型，這個模型對剩餘的資料，對乙個特定的變數(可以理解成資料庫中表的屬性，即列)進行描述。
間接資料探勘：目標中沒有選出某一具體的變數，用模型進行描述;而是在所有的變數中建立起某種關係。
四、資料探勘的方法
神經網路方法
神經網路由於本身良好的魯棒性、自組織自適應性、並行處理、分布儲存和高度容錯等特性非常適合解決資料探勘的問題，因此近年來越來越受到人們的關注。
遺傳演算法
決策樹方法
決策樹是一種常用於**模型的演算法，它通過將大量資料有目的分類，從中找到一些有價值的，潛在的資訊。它的主要優點是描述簡單，分類速度快，特別適合大規模的資料處理。
粗集方法
粗集理論是一種研究不精確、不確定知識的數學工具。粗集方法有幾個優點：不需要給出額外資訊;簡化輸入資訊的表達空間;演算法簡單，易於操作。粗集處理的物件是類似二維關係表的資訊表。
覆蓋正例排斥反例方法
它是利用覆蓋所有正例、排斥所有反例的思想來尋找規則。首先在正例集合中任選乙個種子，到反例集合中逐個比較。與字段取值構成的選擇子相容則捨去，相反則保留。按此思想迴圈所有正例種子，將得到正例的規則(選擇子的合取式)。
統計分析方法
模糊集方法
即利用模糊集合理論對實際問題進行模糊評判、模糊決策、模糊模式識別和模糊聚類分析。系統的複雜性越高，模糊性越強，一般模糊集合理論是用隸屬度來刻畫模糊事物的亦此亦彼性的。
五、資料探勘任務
1、關聯分析
兩個或兩個以上變數的取值之間存在某種規律性，就稱為關聯。資料關聯是資料庫中存在的一類重要的、可被發現的知識。關聯分為簡單關聯、時序關聯和因果關聯。關聯分析的目的是找出資料庫中隱藏的關聯網。一般用支援度和可信度兩個閥值來度量關聯規則的相關性，還不斷引入興趣度、相關性等引數，使得所挖掘的規則更符合需求。
2、聚類分析
聚類是把資料按照相似性歸納成若干類別，同一類中的資料彼此相似，不同類中的資料相異。聚類分析可以建立巨集觀的概念，發現資料的分布模式，以及可能的資料屬性之間的相互關係。
3、分類
分類就是找出乙個類別的概念描述，它代表了這類資料的整體資訊，即該類的內涵描述，並用這種描述來構造模型，一般用規則或決策樹模式表示。分類是利用訓練資料集通過一定的演算法而求得分類規則。分類可被用於規則描述和**。
4、**
**是利用歷史資料找出變化規律，建立模型，並由此模型對未來資料的種類及特徵進行**。**關心的是精度和不確定性，通常用**方差來度量。
5、時序模式
時序模式是指通過時間序列搜尋出的重**生概率較高的模式。與回歸一樣，它也是用己知的資料**未來的值，但這些資料的區別是變數所處時間的不同。
6、偏差分析
在偏差中包括很多有用的知識，資料庫中的資料存在很多異常情況，發現資料庫中資料存在的異常情況是非常重要的。偏差檢驗的基本方法就是尋找觀察結果與參照之間的差別。
資料探勘流程
下面是資料探勘流程 crisp dm 跨行業資料探勘標準流程 這是目前業界主流的 資料探勘流 程，其實本人覺得這也是統計學 建 模方式的語言模式，大家都是這麼做的，只是用個專門的流程會方便一些 1 業務理解 理解專案的目標和從業務的角度理解需求，同時將這個知識轉化為資料探勘問題的定義和完成目標的初步...
資料探勘流程
crisp dm cross industry standard process for data mining 即為 跨行業資料探勘過程標準 此kdd knowledge discovery in database 過程模型於1999年歐盟機構聯合起草.通過近幾年的發展,crisp dm 模型在各...
資料探勘流程
一 業務理解 主要任務是深刻理解業務需求，在此基礎上制定資料探勘的目標和實現目標的初步計畫。二 資料理解 收集資料，熟悉資料，識別資料的質量問題和探索引起興趣的子集。三 資料準備 從收集來的資料集選擇必要的屬性 因素 並按關聯關係將它們連線成乙個資料集，然後進行資料清洗 即空值及異常值處理 離群值剔...