【摘要】：数据挖掘又称为资料探勘、数据采矿，是一个跨学科的计算机科学分支。数据挖掘是数据库知识发现中的一个步骤，主要目标是从一个数据集中提取信息，并将其转换成可理解的结构，便于进一步使用。典型的数据挖掘主要包括以下四个流程：首先，提出问题。从流程来看，数据挖掘在本质上就是建模，即发现客观事物的规律。
数据挖掘又称为资料探勘、数据采矿，是一个跨学科的计算机科学分支。它是用人工智能、机器学习、统计学和数据库的交叉方法，从数据库中的大量数据揭示隐藏的、未知的，且具备较大潜在价值的信息的技术筛选过程。
数据挖掘是数据库知识发现中的一个步骤，主要目标是从一个数据集中提取信息，并将其转换成可理解的结构，便于进一步使用。常用算法包括分类法、聚类法、神经网络法、遗传算法、决策树法、模糊集等。典型的数据挖掘主要包括以下四个流程：
首先，提出问题。在理解数据和实际问题的基础上提出问题，确定研究目标。
其次，数据取样。获取原始的数据，经过数据治理后，选择与数据挖掘有关的变量，或者转换变量，再从中抽取与问题有关的数据样本集，并建立数据（仓）库进行存储。(www.xing528.com)
再次，构建模型。根据数据挖掘的目标和数据的特征，应用分析软件工具建立合适的模型，对数据样本集进行探索和预处理，寻找出期望的关系和未知的模式。
最后，评价结果。结合专业知识对挖掘结果进行解释，评价其有效性和可靠性，并应用于解决实际问题。
从流程来看，数据挖掘在本质上就是建模，即发现客观事物的规律。但与传统建模最大的区别在于，数据挖掘的模型是自动化的或半自动化的；而传统建模是人工的，需要技术人员根据自己对客观世界的认识，并结合一定领域的知识，调动智慧，发挥主观能动性去建立模型。
免责声明：以上内容源自网络，版权归原作者所有，如有侵犯您的原创版权请告知，我们将尽快删除相关内容。
