數(shù)據(jù)挖掘和數(shù)據(jù)分析。1.數(shù)據(jù)挖掘(數(shù)據(jù)挖掘)，又譯為數(shù)據(jù)挖掘，數(shù)據(jù)挖掘。這是數(shù)據(jù)knowledge discovery indatabases(簡稱KDD)中的一個步驟。數(shù)據(jù) 挖掘泛指通過算法搜索大量數(shù)據(jù)中隱藏的信息的過程。數(shù)據(jù) 挖掘它通常與計算機科學有關(guān)，通過統(tǒng)計學、聯(lián)機分析處理、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實現(xiàn)上述目標。

在實際應用中，數(shù)據(jù)分析可以幫助人們做出判斷并采取適當?shù)男袆?。在統(tǒng)計學領(lǐng)域，有人把數(shù)據(jù)分析分為描述性統(tǒng)計分析、探索性數(shù)據(jù)分析和驗證性數(shù)據(jù)分析；其中，探索性數(shù)據(jù)分析側(cè)重于發(fā)現(xiàn)數(shù)據(jù)中的新特征，驗證性數(shù)據(jù)分析側(cè)重于對已有假設的確認或證偽。人工智能。

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)學模型分析企業(yè)存儲的大量數(shù)據(jù)，找出不同的客戶或細分市場，分析消費者的偏好和行為的方法。是數(shù)據(jù) library知識發(fā)現(xiàn)的一步。數(shù)據(jù) 挖掘泛指過程自動搜索大量數(shù)據(jù)中隱藏的具有特殊關(guān)系的信息。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) 挖掘的任務包括相關(guān)分析、聚類分析、分類分析、異常分析、獨特群分析和演化分析。

是利用數(shù)據(jù)發(fā)現(xiàn)問題、解決問題的學科。通常通過探索、處理、分析或建模來實現(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/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)實世界中的普遍特征。

1、客觀規(guī)律:經(jīng)營目標是一切數(shù)據(jù)解決方案的源泉；2.知識定律:業(yè)務知識是-1挖掘-2/每一步的核心；3.備考法:數(shù)據(jù)預處理比-1挖掘任何其他過程更重要；4.實驗定律:對于-1挖掘，世界上沒有免費的午餐，只有通過實驗才能發(fā)現(xiàn)正確的模型；5.模式法則:數(shù)據(jù)總是包含模式6。洞察法則:數(shù)據(jù) 挖掘增加商業(yè)意識；

算法:Apriori輸入:d transaction 數(shù)據(jù)庫；Min_sup最小支持計數(shù)閾值輸出:ld方法中的頻繁項集:L1 find _ frequency _ 1項集(d)；//查找(k2的所有頻繁項集；Lk1！nullk ){ CK apriori _ gen(Lk1)；//生成候選，剪枝Foreach事務tinD{//掃描d候選計數(shù)Ctsubset(Ck，

關(guān)于什么是數(shù)據(jù) 挖掘，很多學者專家給出了不同的定義。這里我們列舉幾種常見的說法:“簡而言之，數(shù)據(jù) 挖掘是來自于大量的/123。這個術(shù)語實際上有點用詞不當。數(shù)據(jù) 挖掘應該更正確地命名為‘叢數(shù)據(jù)鐘挖掘知識’，可惜有點長。很多人把數(shù)據(jù) 挖掘看成是另一個常用詞數(shù)據(jù)數(shù)據(jù)庫中的知識發(fā)現(xiàn)或者是KDD的同義詞。其他人只是把數(shù)據(jù) 挖掘作為數(shù)據(jù)圖書館中的知識發(fā)現(xiàn)過程的一個基本步驟。

"數(shù)據(jù)挖掘Principle "(David hand，etal)"在數(shù)據(jù)中使用基于計算機的方法(包括新技術(shù))來獲得有用知識的整個過程被稱為/。數(shù)據(jù)挖掘-概念、模型、方法和算法”(Mehmedkantardzic)"數(shù)據(jù)挖掘，總之從a。

A完整數(shù)據(jù)挖掘過程四步:1。識別業(yè)務問題；2.使用數(shù)據(jù) 挖掘技術(shù)將數(shù)據(jù)轉(zhuǎn)換為可操作的信息；3.根據(jù)信息采取行動；4.衡量結(jié)果。現(xiàn)代社會，公司大部分業(yè)務流程的核心部分是數(shù)據(jù)。數(shù)據(jù) 挖掘的任務就是在這么龐大的量里找到有用的數(shù)據(jù)。但是僅僅找到數(shù)據(jù)那是不夠的。我們必須對這種模式做出回應，并采取行動。最后把有用的數(shù)據(jù)轉(zhuǎn)化為信息，信息轉(zhuǎn)化為行動，行動轉(zhuǎn)化為價值。

一個完整的數(shù)據(jù)挖掘過程四個步驟:任何一個環(huán)節(jié)也是必不可少的。1、識別業(yè)務問題；2.使用數(shù)據(jù) 挖掘技術(shù)將數(shù)據(jù)轉(zhuǎn)換為可操作的信息；3.根據(jù)信息采取行動；4.衡量結(jié)果?，F(xiàn)代社會，公司大部分業(yè)務流程的核心部分是數(shù)據(jù)。數(shù)據(jù) 挖掘的任務就是在這么龐大的量里找到有用的數(shù)據(jù)。但是僅僅找到數(shù)據(jù)那是不夠的。我們必須對這種模式做出回應，并采取行動。最后把有用的數(shù)據(jù)轉(zhuǎn)化為信息，信息轉(zhuǎn)化為行動，行動轉(zhuǎn)化為價值。

crispdm(數(shù)據(jù)挖掘的跨行業(yè)標準流程)的意思是“跨行業(yè)-1挖掘標準流程”。CRISPDM模型為KDD項目提供了完整的描述。這個模型將一個KDD項目分為六個不同的階段，但是順序并不是完全不變的。業(yè)務理解:即業(yè)務理解。在第一階段，我們必須從商業(yè)角度理解項目的需求和最終目標。

資料了解:數(shù)據(jù)和收集，評估可用數(shù)據(jù)。數(shù)據(jù)準備:數(shù)據(jù)-1/，并對可用的原始數(shù)據(jù)進行整理和清理，以滿足建模要求，建模:使用-1挖掘tool建立模型。評估:對建立的模型進行評估，重點是結(jié)果是否符合第一步的商業(yè)目的。