数据挖掘重点知识点讲解（数据挖掘相关知识介绍）

把数据库中大量数据背后隐藏的重要信息抽取出来，然后为公司创造很多潜在的利润，针对这种海量数据库中挖掘数据信息的技术称为数据挖掘（DM）。

按照数据库种类：关系型数据库的数据挖掘、数据仓库的数据挖掘、面向对象数据库的挖掘、空间数据库的挖掘、正文数据库和多媒体数据库的数据挖掘。

按知识类别来分：关联、特征描述、分类分析、聚类分析、趋势、偏差分析。

按知识抽象层次：一般文化知识、初级知识、多层次知识。

人工神经网络：仿照生理神经网络结构的非线性预测模型，通过学习模式识别。

决策树：代表决策集的树形结构。

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

紧邻算法：将数据集合中每一个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寻找和推导。

数据挖掘的关键在于通过访问正确、完整、集成的数据，才能进行深层次的分析，寻求有益的信息。数据仓库是提供数据的源头，并且数据仓库的联机分析功能OLAP还为数据挖掘提供了一个极佳的操作平台。如果两者结合起来可以实现数据的有效联结，可以给数据挖掘带来便利和功能。

确定挖掘对象：要清晰定义挖掘对象、认清数据挖掘的目标。

准备数据：根据确定的挖掘对象，然后搜索所有与业务对象有关的内部和外部数据，然后选择适合数据挖掘应用的数据。需要对数据进行预处理比如数据清洗、解决冗余、缺值、不一致、数据分组等问题。

建立模型：将数据转换为一个分析模型，主要是针对挖掘算法建立。

数据挖掘：针对转化的数据进行数据挖掘，一般都是数据挖掘工具自动完成。

结果分析：针对数据挖掘的结果进行解释和评估。一般根据数据挖掘操作结果制定决策成败来定。

数据应用：数据挖掘的结果结果业务决策人员的认可，然后就可以实际利用了。