基坑在施工過程中的各種行為，本質(zhì)上都是由其內(nèi)在的力學規(guī)律所驅(qū)動的，可以得出結(jié)論，完全可以找到監(jiān)測-3挖掘-2/所隱含的規(guī)律。因此，在系統(tǒng)收集數(shù)據(jù)的基礎(chǔ)上，研究基坑在施工過程中的變形規(guī)律，利用數(shù)據(jù) 分析先進合理的手段，找到監(jiān)測數(shù)據(jù)的特性與工程風險之間的關(guān)系，對控制今后工程的施工風險非常重要。

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) 挖掘通常與計算機科學有關(guān)，使用了統(tǒng)計學、在線分析處理、信息檢索、機器學習、專家系統(tǒng)(依靠過去的經(jīng)驗規(guī)則)、模式識別等多種方法來達到上述目的。數(shù)據(jù)挖掘Yes數(shù)據(jù)知識發(fā)現(xiàn)數(shù)據(jù)庫(KDD)是不可或缺的一部分，而KDD就是將raw 數(shù)據(jù)轉(zhuǎn)換成有用信息的全過程，它包括

這些工作都是基于之前研究者使用的方法論和算法，在數(shù)據(jù) 挖掘領(lǐng)域達到了一個高潮。特別是，數(shù)據(jù) 挖掘運用了來自以下領(lǐng)域的思想:(1)來自統(tǒng)計學的抽樣、估計和假設(shè)檢驗；(2)人工智能、模式識別和機器學習的搜索算法建模技術(shù)和學習理論。數(shù)據(jù) 挖掘也很快接受了其他領(lǐng)域的思想，包括最優(yōu)化、進化計算、信息論、信號處理、可視化和信息檢索。

1、數(shù)據(jù)Quality分析-3/Quality分析Yes數(shù)據(jù)-0它是數(shù)據(jù)挖掘分析-3/Quality分析的主要任務(wù)是檢查數(shù)據(jù)原文中是否有污垢數(shù)據(jù)。Dirty 數(shù)據(jù)表示一般不符合要求，不能直接對應(yīng)。常見的數(shù)據(jù) 挖掘中，常見的臟數(shù)據(jù)包括:缺失值；

價值觀不一致；用特殊符號復(fù)制數(shù)據(jù)和值。答:缺失值的原因:1。有些信息無法獲取，或者獲取信息的成本太高。2.信息缺失。3.屬性值不存在。b:缺失值的影響:1。-3挖掘建模會丟失很多有用的信息。2.數(shù)據(jù)/.

數(shù)據(jù)挖掘又譯為數(shù)據(jù)探索，數(shù)據(jù)挖掘。是一種通過數(shù)學模型分析企業(yè)存儲的大量數(shù)據(jù)，找出不同客戶或細分市場的方法，分析一種展現(xiàn)消費者偏好和行為的方法。是數(shù)據(jù) library知識發(fā)現(xiàn)的一步。數(shù)據(jù) 挖掘一般指自動搜索大量數(shù)據(jù)中隱藏的具有特殊關(guān)系的信息的過程。主要有三個步驟:數(shù)據(jù)準備、規(guī)則發(fā)現(xiàn)和規(guī)則表示。數(shù)據(jù) 挖掘的任務(wù)相關(guān)分析，集群分析，分類分析，異常。

是利用數(shù)據(jù)發(fā)現(xiàn)問題、解決問題的學科。通常通過探索、處理和/或建模來實現(xiàn)數(shù)據(jù)，我們可以看到數(shù)據(jù) 挖掘具有以下特點:基于大量的數(shù)據(jù):并不是說小數(shù)據(jù)不能進行挖掘其實大部分/但是，一方面太小數(shù)量的數(shù)據(jù)完全可以總結(jié)出規(guī)律另一方面，它往往不能反映現(xiàn)實世界中的普遍特征。