1、数据挖掘定义

提取数据库中大量数据背后隐藏的重要信息，给企业带来很多潜在的利益。从这样大量的数据库中挖掘数据信息的技术称为数据挖掘(DM )。

根据

2、数据挖掘的分类

数据库的类型，包括关系数据库的数据挖掘、数据仓库的数据挖掘、面向对象的数据库挖掘、空间数据库的挖掘、正文数据库和多媒体数据

按知识类别分类的话，有关联、特征描述、分类分析、聚类分析、趋势、偏倚分析。

按知识抽象水平划分：一般文化知识、初级知识、多层知识。

人工神经网络：一种仿生理神经网络结构的非线性预测模型，通过学习模式进行识别。

决策树：表示决策集的树结构。

遗传算法：基于进化理论，采用遗传结合、遗传变异和自然选择等设计方法的优化技术。

最近算法：对数据集中的各记录进行分类的方法。

规则推导：从统计意义上对数据进行规则检索推导。

数据挖掘的关键是通过访问准确、完整、集成的数据进行深入分析，以寻求有益的信息。数据仓库是提供数据的来源，数据仓库在线分析功能OLAP为数据挖掘提供了良好的运营平台。如果两者结合可以实现数据的有效结合，就可以为数据挖掘带来便利和功能。

挖掘对象的确定：必须明确定义挖掘对象，认识数据挖掘的目标。

数据准备：根据特定的挖掘对象，搜索与业务对象相关的所有内部和外部数据，然后选择适合数据挖掘APP应用的数据。需要解决数据预处理，如数据清洗、冗余、缺失值、不一致、数据分组等问题。

模型创建：将数据转换为分析模型。主要是为挖掘算法编写的。

数据挖掘：对转换后的数据进行数据挖掘通常由数据挖掘工具自动完成。

结果分析：对数据挖掘的结果进行说明和评价。一般来说，决策的成败取决于数据挖掘操作的结果。

数据利用—数据挖掘的结果将得到业务决策者的认可和实际应用。