數(shù)據(jù)分析更多采用統(tǒng)計學(xué)的知識，對源數(shù)據(jù)進(jìn)行描述性和探索性分析，從結(jié)果中發(fā)現(xiàn)價值信息來評估和修正現(xiàn)狀。數(shù)據(jù)挖掘不僅僅用到統(tǒng)計學(xué)的知識，還要用到機(jī)器學(xué)習(xí)的知識，這里會涉及到模型的概念。數(shù)據(jù)挖掘具有更深的層次，來發(fā)現(xiàn)未知的規(guī)律和價值。

數(shù)據(jù)挖掘的概念

數(shù)據(jù)挖掘是指從大量的數(shù)據(jù)中通過算法搜索隱藏于其中信息的過程。

數(shù)據(jù)挖掘通常與計算機(jī)科學(xué)有關(guān)，并通過統(tǒng)計、在線分析處理、情報檢索、機(jī)器學(xué)習(xí)、專家系統(tǒng)(依靠過去的經(jīng)驗(yàn)法則)和模式識別等諸多方法來實(shí)現(xiàn)上述目標(biāo)。

更多相關(guān)知識請點(diǎn)擊：

遺傳算法

遺傳算法是一種依據(jù)微生物自然選擇學(xué)說與基因遺傳原理的恣意優(yōu)化算法，是一種仿生技能全局性提升辦法。遺傳算法具有的暗含并行性、便于和其他實(shí)體模型交融等特性促使它在數(shù)據(jù)發(fā)掘中被多方面運(yùn)用。

決策樹算法辦法

決策樹算法是一種常見于預(yù)測模型的優(yōu)化算法，它依據(jù)將很多數(shù)據(jù)信息有目地歸類，從這當(dāng)中尋找一些有使用價值的，潛在性的信息。它的要害優(yōu)勢是敘說簡易，歸類速度更快，十分適宜規(guī)模性的數(shù)據(jù)處理辦法。

神經(jīng)元網(wǎng)絡(luò)辦法

神經(jīng)元網(wǎng)絡(luò)由于本身優(yōu)良的健壯性、自組織自適應(yīng)性、并行計算、遍及貯存和高寬比容錯機(jī)制等特色特別適合處理數(shù)據(jù)發(fā)掘的難題，因而近些年愈來愈遭受大家的關(guān)心。

粗集法

遺傳算法

遺傳算法是一種依據(jù)微生物自然選擇學(xué)說與基因遺傳原理的恣意優(yōu)化算法，是一種仿生技能全局性提升辦法。遺傳算法具有的暗含并行性、便于和其他實(shí)體模型交融等特性促使它在數(shù)據(jù)發(fā)掘中被多方面運(yùn)用。

決策樹算法辦法

決策樹算法是一種常見于預(yù)測模型的優(yōu)化算法，它依據(jù)將很多數(shù)據(jù)信息有目地歸類，從這當(dāng)中尋找一些有使用價值的，潛在性的信息。它的要害優(yōu)勢是敘說簡易，歸類速度更快，十分適宜規(guī)模性的數(shù)據(jù)處理辦法。

神經(jīng)元網(wǎng)絡(luò)辦法

神經(jīng)元網(wǎng)絡(luò)由于本身優(yōu)良的健壯性、自組織自適應(yīng)性、并行計算、遍及貯存和高寬比容錯機(jī)制等特色特別適合處理數(shù)據(jù)發(fā)掘的難題，因而近些年愈來愈遭受大家的關(guān)心。

粗集法

相關(guān)剖析

兩個或兩個以上變量的取值之間存在某種規(guī)律性，就稱為相關(guān)。數(shù)據(jù)相關(guān)是數(shù)據(jù)庫中存在的一類重要的、可被發(fā)現(xiàn)的常識。相關(guān)分為簡略相關(guān)、時序相關(guān)和因果相關(guān)。相關(guān)剖析的目的是找出數(shù)據(jù)庫中隱藏的相關(guān)網(wǎng)。

聚類剖析

聚類是把數(shù)據(jù)依照類似性歸納成若干類別，同一類中的數(shù)據(jù)互相類似，不同類中的數(shù)據(jù)相異。聚類剖析能夠樹立宏觀的概念，發(fā)現(xiàn)數(shù)據(jù)的散布形式，以及可能的數(shù)據(jù)特點(diǎn)之間的相互聯(lián)系。

分類

分類便是找出一個類別的概念描繪，它代表了這類數(shù)據(jù)的整體信息，即該類的內(nèi)涵描繪，并用這種描繪來結(jié)構(gòu)模型，一般用規(guī)矩或決策樹形式表明。分類是使用訓(xùn)練數(shù)據(jù)集經(jīng)過必定的算法而求得分類規(guī)矩。分類可被用于規(guī)矩描繪和猜測。

猜測

數(shù)據(jù)挖掘的步驟：

解讀需求要考慮專家、工作人員的意見;數(shù)據(jù)可從業(yè)務(wù)層的數(shù)據(jù)庫中提取、抽樣;在計算機(jī)分析技術(shù)下,可能給出不同模型, 企業(yè)需要選擇最優(yōu)模型;數(shù)據(jù)挖掘只是輔助的決策工具, 如何解讀模型也是重要的任務(wù);根據(jù)挖掘結(jié)果進(jìn)行商業(yè)部署, 如零售商根據(jù)客戶習(xí)慣決定進(jìn)貨量、進(jìn)貨時間、具體選址等。

數(shù)據(jù)挖掘的特點(diǎn)：

數(shù)據(jù)集越大, 得到的規(guī)律越貼近實(shí)際規(guī)律, 結(jié)果也越準(zhǔn)確;各種外界干擾導(dǎo)致數(shù)據(jù)出現(xiàn)不準(zhǔn)確性;數(shù)據(jù)的不準(zhǔn)確意味著對數(shù)據(jù)的觀察只能在整體層面進(jìn)行, 同時由于涉及隱私, 某些具體信息也無法獲知, 相關(guān)性的分析操作無法精確到個體;數(shù)據(jù)的隨機(jī)性是指獲取數(shù)據(jù)的隨機(jī)性和分析結(jié)果的隨機(jī)性。

數(shù)據(jù)挖掘的概念：

數(shù)據(jù)挖掘是指從大量的數(shù)據(jù)中通過算法搜索隱藏于其中信息的過程。

數(shù)據(jù)挖掘通常與計算機(jī)科學(xué)有關(guān)，并通過統(tǒng)計、在線分析處理、情報檢索、機(jī)器學(xué)習(xí)、專家系統(tǒng)(依靠過去的經(jīng)驗(yàn)法則)和模式識別等諸多方法來實(shí)現(xiàn)上述目標(biāo)。

數(shù)據(jù)集越大, 得到的規(guī)律越貼近實(shí)際規(guī)律, 結(jié)果也越準(zhǔn)確;各種外界干擾導(dǎo)致數(shù)據(jù)出現(xiàn)不準(zhǔn)確性;數(shù)據(jù)的不準(zhǔn)確意味著對數(shù)據(jù)的觀察只能在整體層面進(jìn)行, 同時由于涉及隱私, 某些具體信息也無法獲知, 相關(guān)性的分析操作無法精確到個體;數(shù)據(jù)的隨機(jī)性是指獲取數(shù)據(jù)的隨機(jī)性和分析結(jié)果的隨機(jī)性。

更多相關(guān)知識請點(diǎn)擊：

數(shù)據(jù)挖掘的概念