數(shù)據(jù)挖掘是從大量不完整的、有噪聲的、模糊的、隨機(jī)的數(shù)據(jù)中提取隱藏的、但潛在有用的信息和知識(shí)的過程。數(shù)據(jù) 挖掘過程:定義問題:明確定義業(yè)務(wù)問題，確定數(shù)據(jù) 挖掘的目的。數(shù)據(jù)編制:數(shù)據(jù)編制包括:選擇數(shù)據(jù)-提取自大數(shù)據(jù)庫(kù)和數(shù)據(jù)倉(cāng)庫(kù)目標(biāo)。數(shù)據(jù)預(yù)處理-執(zhí)行數(shù)據(jù)再處理，包括檢查數(shù)據(jù)的完整性和數(shù)據(jù)的一致性，去噪，填充缺失字段和刪除無(wú)效-1。

結(jié)果分析:對(duì)-1挖掘的結(jié)果進(jìn)行解釋和評(píng)價(jià)，并轉(zhuǎn)化為用戶最終能夠理解的知識(shí)。數(shù)據(jù) 挖掘的技術(shù)大致可以分為統(tǒng)計(jì)方法、機(jī)器學(xué)習(xí)方法、神經(jīng)網(wǎng)絡(luò)方法和數(shù)據(jù)庫(kù)方法。統(tǒng)計(jì)方法可以細(xì)分為回歸分析(多元回歸、自回歸等。)和判別分析(貝葉斯判別、CBR、遺傳算法、貝葉斯信念網(wǎng)絡(luò)等。神經(jīng)網(wǎng)絡(luò)方法可細(xì)分為:前向神經(jīng)網(wǎng)絡(luò)(BP算法等。)和自組織神經(jīng)網(wǎng)絡(luò)(自組織特征映射、競(jìng)爭(zhēng)學(xué)習(xí)等。).

數(shù)據(jù)分析師的工作一定要把握好。關(guān)于數(shù)據(jù)分析師的思路和方法，邊肖認(rèn)為是這樣的:第一，你要明白數(shù)據(jù)分析是什么；第二，你要知道數(shù)據(jù)分析的目的；三、明確數(shù)據(jù)分析的分類和作用:現(xiàn)狀分析、原因分析和預(yù)測(cè)分析四、如何進(jìn)行數(shù)據(jù)分析:1。明確目的和思路2。數(shù)據(jù)收藏3。-1.有必要分析一下數(shù)據(jù)。數(shù)據(jù)分析是運(yùn)用適當(dāng)?shù)姆治龇椒ê凸ぞ?，?duì)加工后的數(shù)據(jù)進(jìn)行分析，提取有價(jià)值的信息，形成有效結(jié)論的過程。

必要的話可以學(xué)習(xí)SPSS，SAS等等。-1挖掘是高級(jí)數(shù)據(jù)分析方法，需要掌握-1挖掘基礎(chǔ)理論。要重點(diǎn)解決分類、聚類、相關(guān)、預(yù)測(cè)四類數(shù)據(jù)分析問題，重在發(fā)現(xiàn)模式和規(guī)律。5.數(shù)據(jù)呈現(xiàn)一般來(lái)說(shuō)，數(shù)據(jù)是用表格和圖形呈現(xiàn)的。

數(shù)據(jù)挖掘又譯為數(shù)據(jù)探索，數(shù)據(jù)挖掘。它是通過數(shù)學(xué)模型分析企業(yè)存儲(chǔ)的大量數(shù)據(jù)，找出不同的客戶或細(xì)分市場(chǎng)，分析消費(fèi)者的偏好和行為的方法。是數(shù)據(jù) library知識(shí)發(fā)現(xiàn)的一步。數(shù)據(jù) 挖掘一般指自動(dòng)搜索大量數(shù)據(jù)中隱藏的具有特殊關(guān)系的信息的過程。主要有三個(gè)步驟:數(shù)據(jù)準(zhǔn)備、規(guī)則發(fā)現(xiàn)和規(guī)則表示。數(shù)據(jù) 挖掘的任務(wù)包括相關(guān)分析、聚類分析、分類分析、異常分析、獨(dú)特群分析和演化分析。

是利用數(shù)據(jù)發(fā)現(xiàn)問題、解決問題的學(xué)科。通常通過探索、處理、分析或建模來(lái)實(shí)現(xiàn)數(shù)據(jù)。我們可以看到數(shù)據(jù) 挖掘具有以下特點(diǎn):基于大量的數(shù)據(jù):并不是說(shuō)小數(shù)據(jù)不能進(jìn)行挖掘其實(shí)大部分/然而一方面太小的量數(shù)據(jù)完全可以用手工總結(jié)另一方面，少量的數(shù)據(jù)往往不能反映現(xiàn)實(shí)世界中的普遍特征。