数据挖掘：定义与应用领域

数据挖掘(Data Mining)，通俗来讲就是在大量的数据中发现有用的信息。随着信息技术的发展，每天都会产生大量的数据，可以说我们正处于一个大数据的时代。面对如此海量的数据，传统的分析方法已不再适用，这就需要我们用新的技术工具从数据中找到隐藏的信息。数据挖掘这门新兴的学科涉及很多学科领域，它融合了统计学、人工智能、专家系统、智能数据库、知识获取、数据可视化及高性能计算等领域。

尽管目前对数据挖掘尚无明确的学科划定，从广义上来讲，数据挖掘先从巨大的数据体系或数据库里提炼出人们感兴趣的东西(可能在意料之中，也可能在意料之外)；或者说，从庞大的观察数据集中提炼并分析出不可轻易察觉或断言的关系，最后给出一个有用的、可以理解的结论。简单地说，数据挖掘就是在数据中发现数据之间的关系。数据挖掘也常被称为知识发现(Know ledge Discovery)，因此许多知识发现中的算法——比如人工智能算法，常常被用于数据挖掘的过程中。尽管“数据挖掘”和“知识发现”的称谓在学术界并行，然而在产业界、媒体和数据库研究界，“数据挖掘”这一术语比“知识发现”更流行，因为前者更能够吸引投资者的视线，从而推动数据挖掘的使用和发展[1]。

数据挖掘有以下三个特点:

(1)数据量常常是巨大的。是否可以根据相关领域内的数据集找出数据关系即算法，使用全部数据还是随机数据或有目的地使用数据子集，能否高效地存取数据，这些问题都是数据挖掘工作者需要考虑的问题。(www.xing528.com)

(2)数据挖掘面临的数据常常是为其他目的而收集的数据。这就为数据挖掘带来了一个问题，即收集数据时，可能没有收集一个或几个重要的变量，而这些变量在数据挖掘应用中被证明是有用的，甚至是至关重要的。

(3)数据挖掘工作者常常不愿把先验知识预先嵌入算法内，因为这样就等于做“假设检验”。数据挖掘常常要求算法可以主动地揭示一些数据的内在关系，结论的新颖性是衡量数据挖掘算法好坏的一个重要标准。当然，这些新颖性的结论必须是可以被人理解的，绝对不应该是漫无边际的奇怪结论。