對於企業來說，堆積如山的數據無異於壹個巨大的寶庫。但是如何利用新壹代計算技術和工具來挖掘數據庫中蘊含的寶藏呢？
在市場需求和技術基礎都具備的環境下，數據挖掘技術的概念和技術應運而生。
數據挖掘的基本概念是從大量不完整、有噪聲、模糊和隨機的數據中提取隱藏的信息和知識，這些數據人們事先並不知道，但卻是潛在有用的。
類似這個術語的還有很多，比如KDD、數據分析、數據融合、決策支持。
數據挖掘的基本任務主要是相關性分析、聚類分析、分類、預測、時間序列模式和偏差分析。
1，關聯分析關聯規則挖掘最早由Rakesh Apwal等人提出。兩個或多個變量的值之間的規律性稱為相關性。數據關聯是數據庫中重要的發現知識。相關性分為簡單相關性、時間序列相關性和因果相關性。關聯分析的目的是找出數據庫中隱藏的關聯網絡。壹般用支持度和可信度兩個閾值來衡量關聯規則的相關性，並不斷引入興趣度和相關性等參數，使挖掘出的規則更加符合要求。
2.聚類分析聚類是將數據按照相似性分成幾類。同壹類別的數據彼此相似，但不同類別的數據不同。聚類分析可以建立宏觀概念，發現數據分布模式和數據屬性之間可能的關系。
3.分類歸類就是找出壹個類別的概念描述，這個概念描述代表了這類數據的整體信息，也就是這類數據的內涵描述，並利用這個描述來構造壹個模型，壹般用規則或者決策樹模式來表示。分類就是通過壹定的算法，利用訓練數據集，獲取分類規則。分類可用於規則描述和預測。
4.預測預測就是利用歷史數據找出變化規律，建立模型，從這個模型中預測未來數據的類型和特征。預測與準確性和不確定性有關，通常用預測方差來衡量。
5.時間序列模式時間序列模式是指時間序列搜索到的重復概率高的模式。與回歸壹樣，它也使用已知數據來預測未來值，但這些數據之間的差異是變量所在的時間。
6.偏差分析偏差包含了很多有用的知識，數據庫中的數據有很多異常。發現數據庫中數據的異常是非常重要的。偏差檢驗的基本方法是找出觀測結果與參考值的差異。
基礎技術1。統計學是壹門“古老”的學科，但它仍然是最基本的數據挖掘技術，尤其是多元統計分析，如判別分析、主成分分析、因子分析、相關分析、多元回歸分析等。
2.聚類分析與模式識別聚類分析主要是根據事物的特征進行聚類或分類，即所謂物以類聚，以期從中發現規律和典型模式。這種技術是數據挖掘中最重要的技術之壹。除了傳統的基於多元統計分析的聚類方法外，模糊聚類和神經網絡聚類方法近年來也取得了很大的進展。
3.決策樹分類技術決策樹分類是基於不同的重要特征，在樹結構中表示壹個分類或決策集，從而產生規則，發現規則。
4.人工神經網絡與遺傳算法人工神經網絡是壹個迅速發展的前沿研究領域，對計算機科學、人工智能、認知科學和信息技術產生了重要而深遠的影響，在數據挖掘中也發揮著非常重要的作用。人工神經網絡通過實例學習可以形成描述復雜非線性系統的非線性函數，實際上是對客觀規律的定量描述。有了這個基礎，預測的問題就迎刃而解了。目前，在數據挖掘中，最常用的兩種神經網絡是BP網絡和RBF網絡。但是，由於人工神經網絡還是壹門新興學科，壹些重要的理論問題還沒有解決。
5.規則歸納規則歸納是壹種比較獨特的數據挖掘技術。它是指在大型數據庫或數據倉庫中搜索和挖掘以前未知的規則和規律，壹般包括以下形式:如果…那麽…
6.可視化技術可視化技術是數據挖掘中不可忽視的輔助技術。數據挖掘通常涉及更復雜的數學方法和信息技術。為了方便用戶理解和使用這類技術，需要用圖形、圖像、動畫等手段直觀地指導操作、指導挖掘和表達結果，否則數據挖掘技術很難普及。
實施步驟
數據挖掘的過程可以分為六個步驟:1)了解業務:從業務角度了解項目目標和需求，將其轉化為數據挖掘的問題定義，並設計實現目標的初步方案。2)了解數據:收集初步數據，開展各種熟悉數據的活動。包括數據描述、數據探索和數據質量驗證。3)準備數據:將初始原始數據構造成最終適合建模工具的數據集。包括表、記錄和屬性的選擇、數據轉換和數據清洗。4)建模:選擇和應用各種建模技術並優化其參數。5)模型評估:對模型進行徹底的評估，檢查建立模型的每壹步，確認是否真正達到預定的業務目的。6)模型部署:創建模型並不意味著項目的結束。即使模型的目的是為了提高對數據的理解，但獲取的知識也應該以用戶可以使用的方式組織和表達。通常，活動模型應該應用於決策過程。這個階段可以簡單到只生成壹個報告，也可以復雜到在企業中實現壹個可重復的數據挖掘過程。控制是公認的。
人工智能領域的科學家普遍認為，人工智能應用的下壹個重要課題之壹將是以機器學習算法為主要工具的大規模數據庫知識發現。雖然數據挖掘仍然是壹個非常新的研究課題，但是它為企業創造巨大經濟效益的內在潛力已經使它很快有了許多成功的應用。代表性的應用領域有市場預測、投資、制造、銀行、通信等。
英國廣播公司(BBC)也利用數據挖掘技術預測電視收視率，從而合理安排電視節目時間表。信用卡公司Alllelicall KxT，ress自采用數據挖掘技術以來，信用卡使用率提高了10%-15%。美國電話電報公司。利用數據挖掘技術檢測國際電話詐騙，T公司可以盡早發現國際電話使用中的異常現象。
數據挖掘是壹門新興的邊緣學科，它融合了機器學習、模式識別、數據庫、統計學、人工智能和管理信息系統的成果。多學科的融合和相互促進，使這門新學科蓬勃發展，並已初具規模。
以上是邊肖為大家分享的關於新人數據挖掘基礎知識介紹的相關內容。更多信息可以關註環球常春藤，分享更多幹貨。