【摘要】：数据挖掘是利用各种分析工具在海量数据中发现模型和数据间关系的过程，并将有用的信息转换成知识，然后把知识应用在业务中变成价值。数据挖掘是信息发展到一定程度的产物，人们从大量数据中提取有用的信息和知识，利用这些知识改进工作，提高效率和效益。数据挖掘过程模型主要包括业务分析、数据理解、数据准备、建模、评价及实施。
2.5.4 数据挖掘
数据挖掘是利用各种分析工具在海量数据中发现模型和数据间关系的过程，并将有用的信息转换成知识，然后把知识应用在业务中变成价值。数据挖掘是信息发展到一定程度的产物，人们从大量数据中提取有用的信息和知识，利用这些知识改进工作，提高效率和效益。
数据挖掘过程模型主要包括业务分析、数据理解、数据准备、建模、评价及实施。业务分析包括确定业务目标、环境评估、确定挖掘目标、产生项目计划;数据理解包括收集原始数据、描述数据、检验数据质量;数据准备包括数据选择、数据清洗、数据构建、数据集成;建模选择、建模技术、建立模型、评估模型。
每种数据挖掘方法都有各自的特点和应用领域，数据挖掘方法主要有决策树方法、神经网络方法、粗糙集理论、遗传算法、概率论与数理统计、模糊集、关联分析。
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。
