基坑在施工過程中的各種行為，本質上都是由其內在的力學規(guī)律所驅動的，可以得出結論，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)收集數據的基礎上，研究基坑在施工過程中的變形規(guī)律，利用數據 分析先進合理的手段，找到監(jiān)測數據的特性與工程風險之間的關系，對控制今后工程的施工風險非常重要。

數據挖掘是指通過算法搜索隱藏在大量數據中的信息的過程。數據 挖掘通常與計算機科學有關，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)(依靠過去的經驗規(guī)則)、模式識別等多種方法來達到上述目的。數據挖掘Yes數據知識發(fā)現數據庫(KDD)是不可或缺的一部分，而KDD就是將raw 數據轉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，在數據 挖掘領域達到了一個高潮。特別是，數據 挖掘運用了來自以下領域的思想:(1)來自統(tǒng)計學的抽樣、估計和假設檢驗；(2)人工智能、模式識別和機器學習的搜索算法建模技術和學習理論。數據 挖掘也很快接受了其他領域的思想，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、數據Quality分析-3/Quality分析Yes數據-0它是數據挖掘分析-3/Quality分析的主要任務是檢查數據原文中是否有污垢數據。Dirty 數據表示一般不符合要求，不能直接對應。常見的數據 挖掘中，常見的臟數據包括:缺失值；

價值觀不一致；用特殊符號復制數據和值。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.數據/.

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

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