数据挖掘的意义请问数据挖掘的概念是什么？

数据挖掘的定义是什么？

数据挖掘是从大量的、不完全的、有噪声的、模糊的、随机的数据集中识别有效的、新颖的、潜在有用的，以及最终可理解的模式的非平凡过程。

它是一门涉及面很广的交叉学科，包括机器学习、数理统计、神经网络、数据库、模式识别、粗糙集、模糊数学等相关技术。

数据挖掘的定义

嘿嘿，上面这位的回答就这么一句但恰好错了。

数据挖掘是从大量数据中寻找到有价值有意义有趣事先未知的知识 而不是从“未知的数据“中找到”自己需要的“知识。

数据当然是已知的。

可能找到的知识的结构决定于使用的方法数据模式。

而具体知识是不是“知识”，有没有用，你需不需要，这不是算法或数据挖掘技术考虑的问题。

而是实施者需要解决的问题。

就好像一本小说里取出词汇、概念做成一个字典，这个过程是数据挖掘。

字典可能有关键字的频率，可能有词间的关系，但你拿这个结果如何解释或者这个结果对你有什么启发，这是你的事情。

总之，数据挖掘是个商业智能加数据库技术的被夸大的概念。

实际不过是提供数据到可理解描述的抽象技术。

如果想要拿来解决实际问题，那还是要专家来分析结果。

请问数据挖掘的概念是什么？

数据挖掘，涵盖了五个主题：数据、分类、关联分析、聚类和异常检测。

数据挖掘(Data Mining)，又称为数据库中的知识发现(Knowledge Discovery in Database, KDD)，就是从大量数据中获取有效的、新颖的、潜在有用的、最终可理解的模式的非平凡过程，简单的说，数据挖掘就是从大量数据中提取或“挖掘”知识。

-找入门资料就到入门吧 ！

与数据挖掘相近的同义词有数据融合、数据分析和决策支持等。

这个定义包括好几层含义：数据源必须是真实的、大量的、含噪声的；发现的是用户感兴趣的知识；发现的知识要可接受、可理解、可运用；并不要求发现放之四海皆准的知识，仅支持特定的发现问题。

从广义上理解，数据、信息也是知识的表现形式，但是人们更把概念、规则、模式、规律和约束等看作知识。

人们把数据看作是形成知识的源泉，好像从矿石中采矿或淘金一样。

原始数据可以是结构化的，如关系数据库中的数据；也可以是半结构化的，如文本、图形和图像数据；甚至是分布在网络上的异构型数据。

发现知识的方法可以是数学的，也可以是非数学的；可以是演绎的，也可以是归纳的。

发现的知识可以被用于信息管理，查询优化，决策支持和过程控制等，还可以用于数据自身的维护。

因此，数据挖掘是一门交叉学科，它把人们对数据的应用从低层次的简单查询，提升到从数据中挖掘知识，提供决策支持。

在这种需求牵引下，汇聚了不同领域的研究者，尤其是数据库技术、人工智能技术、数理统计、可视化技术、并行计算等方面的学者和工程技术人员，投身到数据挖掘这一新兴的研究领域，形成新的技术热点。

数据挖掘能做什么？

-入门吧,投资者入门的好帮手

1)数据挖掘能做以下六种不同事情（分析方法）： -找入门资料就到入门吧

分类 （Classification） -入门吧-入门资料大全

估值（Estimation）

-入门吧-入门资料大全

预言（Prediction） -入门吧是最好的入门资料网站

相关性分组或关联规则（Affinity grouping or association rules） -入门吧-入门资料大全

聚集（Clustering） -找入门资料就到入门吧

描述和可视化（Description and Visualization） -找入门资料就到入门吧

2)数据挖掘分类

-入门吧-入门资料大全

以上六种数据挖掘的分析方法可以分为两类：直接数据挖掘；间接数据挖掘 -入门吧收集整理入门资料

直接数据挖掘 -找入门资料就到入门吧

目标是利用可用的数据建立一个模型，这个模型对剩余的数据，对一个特定的变量（可以理解成数据库中表的属性，即列）进行描述。

-入门吧收集整理入门资料

间接数据挖掘 -找入门资料就到入门吧

目标中没有选出某一具体的变量，用模型进行描述；而是在所有的变量中建立起某种关系。

-入门吧是最好的入门资料网站

分类、估值、预言属于直接数据挖掘；后三种属于间接数据挖掘 -入门吧-入门资料大全

3)各种分析方法的简介 -入门吧,投资者入门的好帮手

分类 （Classification） -入门吧收集整理入门资料

首先从数据中选出已经分好类的训练集，在该训练集上运用数据挖掘分类的技术，建立分类模型，对于没有分类的数据进行分类。