1、数据挖掘定义
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）。
2、数据挖掘的分类
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。
3、数据挖掘常用技术
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。
4、数据挖掘和数据仓库的关系
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。
5、数据挖掘技术的应用过程
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。
个人博客网站：https://programmerblog.xyz
本文分享自微信公众号 - IT技术分享社区（gh_a27c0758eb03）。
如有侵权，请联系 support@oschina.cn 删除。
本文参与“OSC源创计划”，欢迎正在阅读的你也加入，一起分享。
来源：oschina
链接：https://my.oschina.net/u/2307342/blog/4714421