數(shù)據(jù)分析更多采用統(tǒng)計學的知識，對源數(shù)據(jù)進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)計學的知識，還要用到機器學習的知識，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)挖掘通常與計算機科學有關，并通過統(tǒng)計、在線分析處理、情報檢索、機器學習、專家系統(tǒng)(依靠過去的經(jīng)驗法則)和模式識別等諸多方法來實現(xiàn)上述目標。

更多相關知識請點擊：

遺傳算法

遺傳算法是一種依據(jù)微生物自然選擇學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)掘中被多方面運用。

決策樹算法辦法

決策樹算法是一種常見于預測模型的優(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)絡辦法

神經(jīng)元網(wǎng)絡由于本身優(yōu)良的健壯性、自組織自適應性、并行計算、遍及貯存和高寬比容錯機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)掘中被多方面運用。

決策樹算法辦法

決策樹算法是一種常見于預測模型的優(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)絡辦法

神經(jīng)元網(wǎng)絡由于本身優(yōu)良的健壯性、自組織自適應性、并行計算、遍及貯存和高寬比容錯機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心。

粗集法

相關剖析

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。數(shù)據(jù)相關是數(shù)據(jù)庫中存在的一類重要的、可被發(fā)現(xiàn)的常識。相關分為簡略相關、時序相關和因果相關。相關剖析的目的是找出數(shù)據(jù)庫中隱藏的相關網(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)務層的數(shù)據(jù)庫中提取、抽樣;在計算機分析技術下,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;根據(jù)挖掘結(jié)果進行商業(yè)部署, 如零售商根據(jù)客戶習慣決定進貨量、進貨時間、具體選址等。

數(shù)據(jù)挖掘的特點：

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

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)挖掘通常與計算機科學有關，并通過統(tǒng)計、在線分析處理、情報檢索、機器學習、專家系統(tǒng)(依靠過去的經(jīng)驗法則)和模式識別等諸多方法來實現(xiàn)上述目標。

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

更多相關知識請點擊：

數(shù)據(jù)挖掘的概念