数据挖掘的数据源（数据挖掘的数据源必须是）

什么是数据挖掘?

数据挖掘是指从大量的数据中通过算法搜索隐藏于其中信息的过程。数据挖掘通常与计算机科学有关，并通过统计、在线分析处理、情报检索、机器学习、专家系统（依靠过去的经验法则）和模式识别等诸多方法来实现上述目标。

数据挖掘是从大量的、不完全的、有噪声的、模糊的、随机的数据中提取隐含在其中的、人们事先不知道的、但又是潜在有用的信息和知识的过程。数据挖掘流程：定义问题：清晰地定义出业务问题，确定数据挖掘的目的。

数据挖掘是从大量数据中自动发现模式、关联、趋势和隐藏信息的过程。它是将统计学、机器学习、人工智能和数据库技术相结合的交叉学科领域。数据挖掘旨在通过分析和解释数据来提取有用的知识，并用于预测、决策支持和战略规划。

数据挖掘一般是指从大量的数据中自动搜索隐藏于其中的有着特殊关系性的信息的过程。主要有数据准备、规律寻找和规律表示3个步骤。数据挖掘的任务有关联分析、聚类分析、分类分析、异常分析、特异群组分析和演变分析等。

数据挖掘是一种技术，将传统的数据分析方法与处理大量数据的复杂算法相结合，从大量的、不完全的、有噪声的、模糊的、随机的数据中 提取隐含在其中的、人们事先不知道的、但又是潜在有用信息和知识的过程。数据挖掘技术应用广泛，如：在交通领域，帮助铁路票价制定、交通流量预测等。

如何选择数据挖掘工具

1、操作性能：选择操作效率高、响应速度快的工具，以确保挖掘过程的顺畅和效率。数据管理能力：工具应能有效地处理和管理大规模数据，包括数据存取性能和数据处理能力。兼容性与接口：确保工具能够无缝集成到现有的IT架构中，与其他产品如数据库或数据分析平台有良好的接口。

2、数据挖掘分析工具，推荐大数据魔镜，一款基于Java 平台开发的可扩展、自助式分析、大数据分析产品。魔镜在垂直方向上采用三层设计： 前端为可视化效果引擎，中间层为魔镜探索式数据分析模型引擎，底层对接各种结构化或非结构化数据源。

3、数据挖掘工具分类 一般来讲，数据挖掘工具根据其适用的范围分为两类：专用数据挖掘工具和通用数据挖掘工具。专用数据挖掘工具是针对某个特定领域的问题提供解决方案，在涉及算法的时候充分考虑了数据、需求的特殊性，并作了优化；而通用数据挖掘工具不区分具体数据的含义，采用通用的挖掘算法，处理常见的数据类型。

4、YModel： 易明公司出品的YModel，专为自动化建模而设计，操作简便，模型精准，适合中小企业，无论是个人版的免费版还是企业版的数据库支持，都体现出其性价比。Orange： 作为开源的选择，Orange以C++/Python的开发语言提供可视化操作，适合有一定基础的高级用户进行深入挖掘。

5、SGI公司的MineSet系统以及加拿大SimonFraser大学的DBMiner系统。通用工具的优势在于灵活性，用户可以根据自己的需求选择挖掘模式和数据，它们支持多种模式的挖掘。总结来说，专用挖掘工具适用于特定场景，具有高效性和专业性，而通用挖掘工具则提供了更大的灵活性和适应性，适用于不同领域和多样化的需求。

数据挖掘生命周期的数据准备阶段

数据挖掘生命周期的数据准备阶段包括选择数据、清理数据、构建数据等。选择数据：数据准备过程的第一步是决定使用什么数据集。我们将决定所拥有的哪些数据实际用于数据挖掘。这项任务的交付物是对数据集的合理取舍，我们需要解释哪些数据将用于或不用于进一步的数据挖掘工作。

建立模型（modeling）建立模型，指选择和使用各种建模技术，并对其参数进行调优。一般地，相同数据挖掘问题类型会有几种技术手段。某些技术对于数据形式有特殊规定，这通常需要重新返回到数据准备阶段。

为成功地利用预测模型，您需要从开发阶段直至生产环境对模型进行全面管理。

数据准备是为电子政务数据挖掘提供挖掘对象的阶段。主要是针对需求分析的结果做挖掘对象的准备工作，其主要内容有数据的预处理（如抽取、转化、净化、理解等）以及建立数据挖掘处理集等。通过数据准备提高数据挖掘质量，减少数据的杂乱性、冗余性和不完整性。

什么是数据挖掘,或数据挖掘的过程是什么

OLAP分析过程是建立在用户对深藏在数据中的某种知识有预感和假设的前提下，是在用户指导下的信息分析和知识发现过程。智能化自动分析工具：为适应变化迅速的市场环境，就需要有基于计算机与信息技术的智能化自动工具，来帮助挖掘隐藏在数据中的各类知识。

我比较喜欢对数据挖掘定义的一种描述：数据挖掘是利用业务知识从数据中发现和解释知识（或称为模式）的过程，这种知识是以自然或者人工形式创造的新知识。从中也可以看出，数据挖掘的基础是了解业务或找到熟悉业务的人，然后才是利用历史知识建立知识模式从而创造新知识。

数据挖掘（Data Mining，简称DM），是指从大量的数据中，挖掘出未知的且有价值的信息和知识的过程。2 机器学习 与 数据挖掘 与数据挖掘类似的有一个术语叫做”机器学习“，这两个术语在本质上的区别不大，如果在书店分别购买两本讲数据挖掘和机器学习的书籍，书中大部分内容都是互相重复的。

数据挖掘是指从大量的数据中通过算法搜索隐藏于其中信息的过程。数据挖掘通常与计算机科学有关，并通过统计、在线分析处理、情报检索、机器学习、专家系统（依靠过去的经验法则）和模式识别等诸多方法来实现上述目标。

数据挖掘是从大量的、不完全的、有噪声的、模糊的、随机的数据中提取隐含在其中的、人们事先不知道的、但又是潜在有用的信息和知识的过程。数据挖掘流程：定义问题：清晰地定义出业务问题，确定数据挖掘的目的。

数据挖掘（Data Mining）是指通过大量数据集进行分类的自动化过程，以通过数据分析来识别趋势和模式，建立关系来解决业务问题。换句话说，数据挖掘是从大量的、不完全的、有噪声的、模糊的、随机的数据中提取隐含在其中的、人们事先不知道的、但又是潜在有用的信息和知识的过程。