數(shù)據(jù) 挖掘的流程是:定義問題:明確定義出具業(yè)務(wù)問題并確認(rèn)數(shù)據(jù) -0。數(shù)據(jù)挖掘of定義是從海量數(shù)據(jù)中尋找有意義的模式或知識(shí)，數(shù)據(jù) 挖掘概念概述數(shù)據(jù) 挖掘概念概述數(shù)據(jù) 挖掘又名叢，數(shù)據(jù) 挖掘是從大量數(shù)據(jù)中尋找潛在有用信息的技術(shù)，其實(shí)有數(shù)學(xué)定義。簡而言之，就是找一種表達(dá)方式。

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) 挖掘的流程是:定義問題:明確定義出具業(yè)務(wù)問題并確認(rèn)數(shù)據(jù) -0。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)庫和數(shù)據(jù)倉庫目標(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效-2。

20世紀(jì)90年代，隨著數(shù)據(jù) library系統(tǒng)的廣泛應(yīng)用和網(wǎng)絡(luò)技術(shù)的飛速發(fā)展，數(shù)據(jù) library技術(shù)也進(jìn)入了一個(gè)全新的階段，即從過去只管理一些簡單的數(shù)據(jù)發(fā)展到管理各種計(jì)算機(jī)生成的圖形、圖像和影像。數(shù)據(jù)圖書館不僅為我們提供了豐富的信息，而且呈現(xiàn)出明顯的海量信息特征。在信息爆炸的時(shí)代，海量信息給人們帶來了很多負(fù)面影響。最重要的是有效信息難以提取，無用信息過多必然產(chǎn)生信息距離(信息狀態(tài)轉(zhuǎn)移距離)，這是對(duì)一個(gè)事物的信息狀態(tài)轉(zhuǎn)移所遇到的障礙，以及有用知識(shí)的流失的度量。

因此，人們迫切希望對(duì)海量的數(shù)據(jù)進(jìn)行深入分析，發(fā)現(xiàn)并提取其中隱藏的信息，以便更好地利用這些數(shù)據(jù)。但是，僅憑數(shù)據(jù)數(shù)據(jù)庫系統(tǒng)的輸入、查詢和統(tǒng)計(jì)功能，我們無法發(fā)現(xiàn)數(shù)據(jù)中存在的關(guān)系和規(guī)律，無法根據(jù)現(xiàn)有的數(shù)據(jù)預(yù)測未來的發(fā)展趨勢，更不需要挖掘。數(shù)據(jù) 挖掘技術(shù)就是在這樣的條件下應(yīng)運(yùn)而生的。

數(shù)據(jù)挖掘(數(shù)據(jù)挖掘)是從大量的數(shù)據(jù)中發(fā)現(xiàn)潛在規(guī)律，提取有用知識(shí)的方法和技術(shù)。因?yàn)樗c數(shù)據(jù) library關(guān)系密切，所以又叫數(shù)據(jù)knowledge discovery indatabases(KDD)，就是將先進(jìn)的智能計(jì)算技術(shù)應(yīng)用于大量的數(shù)據(jù)，使計(jì)算機(jī)在有指導(dǎo)或無指導(dǎo)的情況下，從海量的/中學(xué)習(xí)。

從這個(gè)角度來說，數(shù)據(jù) 挖掘就是BI(商業(yè)智能)。但是，用專業(yè)術(shù)語來說，數(shù)據(jù) 挖掘(數(shù)據(jù)挖掘)是指:源數(shù)據(jù)經(jīng)過清洗和轉(zhuǎn)換后適合挖掘。數(shù)據(jù) 挖掘知識(shí)以這種固定的形式進(jìn)行提煉數(shù)據(jù)集，最后以合適的知識(shí)模型用于進(jìn)一步的分析和決策。從這個(gè)狹隘的角度來看，我們可以定義:數(shù)據(jù)挖掘是從特定的形式中提取知識(shí)的過程數(shù)據(jù)。

數(shù)據(jù)挖掘基于數(shù)據(jù)圖書館學(xué)、機(jī)器學(xué)習(xí)、人工智能、現(xiàn)代統(tǒng)計(jì)學(xué)這些快速發(fā)展的交叉學(xué)科在很多領(lǐng)域都有應(yīng)用。涉及到很多算法，比如機(jī)器學(xué)習(xí)衍生的神經(jīng)網(wǎng)絡(luò)和決策樹，基于統(tǒng)計(jì)學(xué)習(xí)理論的支持向量機(jī)，分類回歸樹，相關(guān)分析等。數(shù)據(jù)挖掘of定義是從海量數(shù)據(jù)中尋找有意義的模式或知識(shí)。大數(shù)據(jù)是今年提出的，也是被媒體忽悠的概念。有三個(gè)重要特點(diǎn):數(shù)據(jù)數(shù)量大，結(jié)構(gòu)復(fù)雜，數(shù)據(jù)更新速度快。

數(shù)據(jù)挖掘是指通過算法搜索隱藏在大量數(shù)據(jù)中的信息的過程。數(shù)據(jù) 挖掘是一種從大量數(shù)據(jù)中尋找潛在有用信息的技術(shù)，很神秘。其實(shí)還有數(shù)學(xué)定義，簡單來說就是找一個(gè)表達(dá)式。數(shù)據(jù) 挖掘表示要找出一件事情中的具體問題，需要對(duì)其進(jìn)行分析數(shù)據(jù)，挖掘 數(shù)據(jù)。

數(shù)據(jù) 挖掘概念總結(jié)數(shù)據(jù)挖掘又名KDD(知識(shí)發(fā)現(xiàn))來自數(shù)據(jù)圖書館。KDD一詞最早出現(xiàn)在1989年8月舉行的第11屆國際聯(lián)合人工智能大會(huì)上。隨后，在1991年、1993年和1994年舉行了KDD研討會(huì)，匯集了來自各個(gè)領(lǐng)域的研究人員和應(yīng)用程序開發(fā)人員，重點(diǎn)討論數(shù)據(jù)統(tǒng)計(jì)學(xué)、海量數(shù)據(jù)分析算法、知識(shí)表示和知識(shí)應(yīng)用。

1998年在美國紐約召開的第四屆知識(shí)發(fā)現(xiàn)和數(shù)據(jù) 挖掘國際會(huì)議，不僅有學(xué)術(shù)討論，還有30多家軟件公司展示了他們的數(shù)據(jù) 挖掘軟件產(chǎn)品，其中很多已經(jīng)在北美和歐洲。一、數(shù)據(jù) 挖掘1.1、數(shù)據(jù) 挖掘的歷史是什么近十年來，人們利用信息技術(shù)生產(chǎn)和收集數(shù)據(jù)的能力有了很大的提高。

1989定義以后支持任意維度和指標(biāo)的切換，可以自由分析已有的表樣切換字段。分類就是在一組類別標(biāo)簽已知的樣本中訓(xùn)練一個(gè)分類器，使其能夠?qū)σ恍┪粗獦颖具M(jìn)行分類，分類算法的分類過程是建立一個(gè)分類模型來描述預(yù)先確定的數(shù)據(jù)集合或概念集合，通過分析屬性所描述的數(shù)據(jù)庫元組來構(gòu)造模型。