对 数 据 挖 掘 的 认 识 一 、数 据 挖 掘 的 理解 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 集中识别出有效的 、新颖的 、潜在有用的 ，以及最终可理解的知识的 非平凡过程。这个定义包括几层含义：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。数 据 挖 掘 ，简单地可理解为通过对环境数据 的 操作，从 数 据 中发现有用的 知识。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。就具体应用而 言 ，数 据 挖 掘 是 一个利 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，这些 模型 和 关系 可以用来 做 出预 测 。 从 商 业 角 度 上 看 ，数 据 挖 掘 是 一种 新的 商 业 信 息 处 理技术，其主 要特点 是 对商 业 数 据 库中的 大 量 业 务 数 据 进 行 抽 取 、转 换 、分 析和 其 他 模型 化 处 理，从 中提 取 辅 助 商 业 决 策 的 关键 性 数 据 。数 据 挖掘 与 传 统的 数 据 分 析 (如 查 询 、报 表 、联 机应用分 析 )的 本 质 区 别是数 据 挖 掘 是 在没 有明 确 假 设 的 前 提 下 去 挖 掘 信 息 、发现知识。数 据挖 掘 所 得 到 的 信 息 应具有先 前 未 知，有效和 可实用三 个特征 。先 前未 知的 信 息 是 指 该 信 息 是 预 先 未 曾 预 料 到 的 ，既 数 据 挖 掘 是 要发现那 些 不能 靠 直 觉 发现的 信 息 或 知识，甚 至 是 违 背 直 觉 的 信 息 或 知识，挖 掘 出的 信 息 越 是 出乎 意 料 ，就可能 越 有价 值 。 二、数 据 挖 掘 的 主要方法 数 据 挖 掘 技术主 要来 源于 四个领 域 ： 统计分 析 、机器学习、神经网络和 数 据 库。所 以，数 据 挖 掘 的 主 要方 法 可以粗分 为：统计方法 、机器学习方 法 、神经网络方 法 和 数 据 库方 法 。 统计方 法 主 要包括：回 归 分 析 （ 多 ...
