數(shù)據(jù)挖掘是從大量的、不完全的、有噪聲的、模糊的、隨機的數(shù)據(jù)集中識別有效的、新穎的、潛在有用的，以及最終可理解的模式的非平凡過程。它是一門涉及面很廣的交叉學(xué)科，包括 機器學(xué)習(xí)、 數(shù)理統(tǒng)計、 神經(jīng)網(wǎng)絡(luò)、 數(shù)據(jù)庫、 模式識別、 粗糙集、 模糊數(shù)學(xué)等相關(guān)技術(shù)。

?

???????由于數(shù)據(jù)挖掘是一門受到來自各種不同領(lǐng)域的研究者關(guān)注的交叉性學(xué)科，因此導(dǎo)致了很多不同的術(shù)語名稱。其中，最常用的術(shù)語是"知識發(fā)現(xiàn)"和"數(shù)據(jù)挖掘"。相對來講，數(shù)據(jù)挖掘主要流行于統(tǒng)計界（最早出現(xiàn)于統(tǒng)計文獻中）、數(shù)據(jù)分析、數(shù)據(jù)庫和管理信息系統(tǒng)界；而知識發(fā)現(xiàn)則主要流行于人工智能和機器學(xué)習(xí)界。

??????數(shù)據(jù)挖掘可粗略地理解為三部曲：數(shù)據(jù)準(zhǔn)備（data?preparation）、數(shù)據(jù)挖掘，以及結(jié)果的解釋評估（interpretation?and?evaluation）。?

??????根據(jù)數(shù)據(jù)挖掘的任務(wù)分，有如下幾種：分類或預(yù)測模型數(shù)據(jù)挖掘、數(shù)據(jù)總結(jié)、數(shù)據(jù)聚類、關(guān)聯(lián)規(guī)則發(fā)現(xiàn)、序列模式發(fā)現(xiàn)、依賴關(guān)系或依賴模型發(fā)現(xiàn)、異常和趨勢發(fā)現(xiàn)等等。

??????根據(jù)數(shù)據(jù)挖掘的對象分，有如下若干種數(shù)據(jù)源：關(guān)系數(shù)據(jù)庫、面向?qū)ο髷?shù)據(jù)庫、空間數(shù)據(jù)庫、時態(tài)數(shù)據(jù)庫、文本數(shù)據(jù)源、多媒體數(shù)據(jù)、異質(zhì)數(shù)據(jù)庫、遺產(chǎn)（legacy）數(shù)據(jù)庫，以及Web數(shù)據(jù)源。

??????根據(jù)數(shù)據(jù)挖掘的方法分，可粗分為：統(tǒng)計方法、機器學(xué)習(xí)方法、神經(jīng)網(wǎng)絡(luò)方法和數(shù)據(jù)庫方法。統(tǒng)計方法中，可細分為：回歸分析（多元回歸、自回歸等）、判別分析（貝葉斯判別、費歇爾判別、非參數(shù)判別等）、聚類分析（系統(tǒng)聚類、動態(tài)聚類等）、探索性分析（主元分析法、相關(guān)分析法等）、以及模糊集、粗糙集、支持向量機等。機器學(xué)習(xí)中，可細分為：歸納學(xué)習(xí)方法（決策樹、規(guī)則歸納等）、基于范例的推理CBR、遺傳算法、貝葉斯信念網(wǎng)絡(luò)等。神經(jīng)網(wǎng)絡(luò)方法，可細分為：前向神經(jīng)網(wǎng)絡(luò)（BP算法等）、自組織神經(jīng)網(wǎng)絡(luò)（自組織特征映射、競爭學(xué)習(xí)等）等。數(shù)據(jù)庫方法主要是基于可視化的多維數(shù)據(jù)分析或OLAP方法，另外還有面向?qū)傩缘臍w納方法。?

與50位技術(shù)專家面對面20年技術(shù)見證，附贈技術(shù)全景圖

總結(jié)

以上是生活随笔為你收集整理的数据挖掘简介的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。