笼统地说,”
矿业”
是从地球上提取一些有价值的物质的过程, 例如煤炭开采, 钻石开采等。在计算机科学领域,”
数据挖掘”
指从大量数据中提取有用信息, 或数据仓库。可以看到, 该术语本身有点令人困惑。对于煤炭或钻石开采, 提取过程的结果是煤炭或钻石。但是在数据挖掘的情况下, 提取过程的结果不是数据！！相反, 数据挖掘的结果是我们在提取过程结束时获得的模式和知识。从这种意义上讲, 数据挖掘也称为知识发现或知识提取。
Gregory Piatetsky-Shapiro于1989年提出了”
数据库中的知识发现”
一词。但是, “
数据挖掘”
一词在商业和新闻界变得越来越流行。当前, 数据挖掘和知识发现可互换使用。
如今, 几乎在所有存储和处理大量数据的地方都使用数据挖掘。例如, 银行通常使用”
数据挖掘”
来找出可能对信用卡, 个人贷款或保险感兴趣的潜在客户。由于银行拥有其客户的交易详细信息和详细的个人资料, 因此他们会分析所有这些数据并尝试找出模式, 以帮助银行预测某些客户可能对个人贷款等感兴趣。
数据挖掘的主要目的
基本上, 从数据挖掘中收集的信息有助于预测隐藏的模式, 未来的趋势和行为, 并允许企业做出决策。
从技术上讲, 数据挖掘是从不同角度, 维度, 角度分析数据并将其分类/汇总为有意义的信息的计算过程。
数据挖掘可以应用于任何类型的数据, 例如数据仓库, 事务数据库, 关系数据库, 多媒体数据库, 空间数据库, 时间序列数据库, 万维网。
整个数据挖掘过程
数据挖掘的整个过程包括三个主要阶段：
1.数据预处理–进行数据清理, 集成, 选择和转换
2.数据提取–进行精确的数据挖掘
3.数据评估和演示–分析和演示结果
文章图片
在以后的文章中, 我们将介绍每个阶段的细节。
数据挖掘的应用
1.财务分析
2.生物学分析
3.科学分析
4.入侵检测
5.欺诈检测
6.研究分析
数据挖掘的真实例子–市场篮分析
市场购物篮分析是一种可以仔细研究客户在超级市场中完成的购买的技术。该概念基本上适用于识别客户一起购买的物品。假设某人购买面包, 那么他/她也有可能购买黄油。该分析有助于促进公司的报价和交易。在数据挖掘的帮助下也是如此。
【数据挖掘基本概念详细介绍】如果发现任何不正确的地方, 或者想分享有关上述主题的更多信息, 请写评论。
推荐阅读
- 数据挖掘中数据源的类型详细介绍
- R中的DataFrame操作详细指南
- 编译器中的数据流分析简要指南
- 数据通信中的传输障碍详细指南
- Supervisor多进程管理 异常自动重启 可视化管理
- 使用Maven搭建Struts2框架的开发环境
- #yyds干货盘点#Prometheus 之微服务监控概述
- 2月活动|开工冲冲冲，挑战7/14/21日连更！
- MySQL数据库的高级操作