1樓：帳號已登出
資料來源挖掘的不多的話，這個一般來說應該是包括它裡面的大資料，或者是說一些資料運算。
2樓：冬夏
從資料本身來考慮，通常資料探勘需要有資訊收集、資料整合、資料規約、資料清理、資料變換、資料探勘實施過程、模式評估和知識表示等 8 個步驟。
1）資訊收集：根據確定的資料分析物件抽象出在資料分析中所需要的特徵資訊，然後選擇合適的資訊收集方法，將收集到的資訊存入資料庫。對於海量資料，選擇乙個合適的資料儲存和管理的資料倉儲是至關重要的。
3）資料規約：執行多數的資料探勘演算法即使在少量資料上也需要很長的時間，而做商。
業運營資料探勘時往往資料量非常大。資料規約技術可以用來得到資料集的規約表示，它小得多，但仍然接近於保持原資料的完整性，並且規約後執行資料探勘結果與規約前執行結果相同或幾乎相同。
4）資料清理：在資料庫中的資料有一些是不完整的（有些感興趣的屬性缺少屬性值），含雜訊的（包含錯誤的屬性值），並且是不一致的（同樣的資訊不同的表示方式），因此需要進行資料清理，將完整、正確、一致的資料資訊存入資料倉儲中。不然，挖掘的結果會差強人意。
5）資料變換：通過平滑聚集，資料概化，規範化等方式將資料轉換成適用於資料探勘的形式。對於有些實數型資料，通過概念分層和資料的離散化來轉換資料也是重要的。
6）資料探勘過程：根據資料倉儲中的資料資訊，選擇合適的分析工具，應用統計方法、事例推理、決策樹、規則推理、模糊集、甚至神經網路、遺傳演算法的方法處理資訊，得出有用的分析資訊。
7）模式評估：從商業角度，由行業專家來驗證資料探勘結果的正確性。
8）知識表示：將資料探勘所得到的分析資訊以視覺化的方式呈現給使用者，或作為新的知識存放在知識庫中，供其他應用程式使用。
資料探勘過程是乙個反覆迴圈的過程，每乙個步驟如果沒有達到預期目標，都需要回到前面的步驟，重新調整並執行。不是每件資料探勘的工作都需要這裡列出的每一步，例如在某個工作中不存在多個資料來源的時候，步驟（2）資料整合的步驟便可以省略。步驟（3）資料規約（4）資料清理（5）資料變換又合稱資料預處理。
在資料探勘中，至少60%的費用可能要花在步驟（1）資訊收集階段，而至少 60%以上的精力和時間是花在資料預處理過程上。
資料探勘的完整步驟是怎樣的?
3樓：環球青藤
1、理解資料和資料的鄭橡**(understanding)。
2、獲取相關知識與技術(acquisition)。
3、整合與檢查資料(integration and checking)。
4、去除錯誤或不一致的資料(data cleaning)。
5、建立模型和假設謹友(model and hypothesis development)。
6、實際資料探勘工作(data mining)。
7、測試和驗證挖掘結喊晌旁果(testing and verification)。
8、解釋和應用(interpretation and use)。
資料探勘有什麼步驟?
4樓：環球青藤
1、業務理解(business understanding)
業務理解，指從業務角度來理解專案目標和要求，接著把這些理解知識轉換成資料探勘問題的定義和實現目標的初規劃。
2、資料理解(data understanding)
資料理解，指從資料收集開始，然後接著是一系列活動，這些活動的目的是：熟悉資料，甄別資料質量問題、發現對資料的真知灼見、或者探索出令人感興趣的資料子集並形成對隱藏資訊的假設。
3、資料準備(data preparation)
資料準備，指從初原始資料構建終建模資料的全部活動。資料準備很可能被執行多次並且不以任何既定的秩序進行。包括為建模工作準備資料的選擇、轉換、清洗、構造、整合及格式化等多種資料預處理工作。
4、建立模型(modeling)
建立模型，指選擇和使用各種建模技術，並對其引數進行調優。一般地，相同資料探勘問題型別會有幾種技術手段。某些技術對於資料形式有特殊規定，這通常需要重新返回到資料準備階段。
資料探勘的流程是什麼?
5樓：環球青藤
定義問題：清晰地定義出業務問題，確定資料探勘的目的。
資料準備：資料準備包括：選擇資料–在大型資料庫和資料倉儲目標中 提取資料探勘的目標資料集；資料預處理–進行資料再加工，包括檢查資料的完整性及資料的一致性、去雜訊，填補丟失的域，刪除無效資料等。
資料探勘知纖者：根據資料功能的型別和和資料的特點選擇相應的演算法，在淨化和轉換過的資料集上進搭薯行資料探勘。
結果分豎檔析：對資料探勘的結果進行解釋和評價，轉換成為能夠最終被使用者理解的知識。
簡述資料探勘的主要方式
6樓：
親，您好<>
資料探勘是指通過各種技術手段對大資料進行分析、處理、挖掘，發現其中有用的資訊和知識，並且將其轉化為有價值的業務洞察和決策支援。資料探勘的主要方式包括以下幾種：1.
分類：分類是將資料分成不同的類別，使得同一類別內的資料具有相似的特徵，不同類別的數皮大據具有不同的特徵。常用的分類演算法有決策樹、樸素貝葉斯等。
2.聚類：聚類是將資料根據相似性分成多個組，使得同一組內的資料相似度較高，不同組之間的資料相似度較低。
常用的聚類演算法有k-means、dbscan等。3.關聯分析：
關聯分析是從資料集中尋找不同元素之間的關係，發現它們之間的相互作用和依存關係。常用的關聯分析演算法有apriori、fp-growth等。4.
時序分析：時序分析是將資料按時間順序排列，分析隨時間變化的趨勢和規律，發現時間序列資料中的週期性、趨勢性和季節性。常用的時序分析演算法有arima、arch/garch等。
5.異常檢測：異常檢測是尋找資料中的異常值，發現資料中的離群點和異常值。
常用的異常檢測演算法有基於統計學方法的z-score、基於距離的lof和基於密度的dbscan等。以上是資料探勘的主要方式，這些方式可以相互結合，形成不同的資料探勘模型，燃搜豎用於解決不同的漏攔資料探勘問題。
資料探勘的主要過程
7樓：
親，您好，很高興為您解答，資料探勘的主要過程？1. 資料採集，資料簡告採集工作可能是使用像感測器網路段旁這樣的專門硬體、手工錄入的使用者調查，或者如web爬蟲那樣的軟體工具來收集文件。
雖然這個階段與具體應用息息相關，但常常落在資料探勘分析師們所考慮的範圍之外，而這個階段對資料探勘過程也是至關重要的，因為這一階段所做的選擇會明顯地影響整個資料探勘過程。攔燃明採集階段產生的資料通常會先存入資料庫，廣義上稱為資料倉儲，然後進行處理。2.
特徵提取和資料清洗，上述採集階段得到的資料，其格式往往不適合直接進行處理。例如，採集來的資料可能是使用複雜編碼的日誌或自由格式的文件，並在許多情況下，各種型別的資料又任意地混合在一起，形成自由格式的文件。要使這樣的資料適合進一步加工，有必要把它們轉化為對資料探勘演算法較為合適的格式，比如多維資料、時序資料或者半結構化資料等。
多維資料是最常見的格式，其不同的欄位對應於可以稱為特徵、屬性或維度的各種測量屬性。抽取這些特徵是資料探勘的乙個至關重要的階段，而特徵提取階段通常與資料清洗階段並行進行，以便估計或校正丟失的資料以及錯誤的資料。另外，在許多情況下，資料可能從多個**聚集而成，進行處理時需要把它們轉換為統一的格式。
上述過程的最終結果是乙個有較好結構的資料集，可以由電腦程式有效地使用。在特徵提取階段之後，資料可以存回到資料庫中用於進一步的處理。3.
分析處理和演算法，資料探勘過程的最後一步是為處理過的資料設計有效的分析方法。在許多情況下，不太可能將手頭的應用直接轉化成乙個標準的資料探勘問題，比如轉化成關聯模式挖掘、聚類、分類以及異常檢測這四個「超級問題」中的某乙個。希望本次服務能夠幫助到您，感謝您的諮詢，祝您萬事如意！
什麼是資料探勘？資料探勘怎麼做啊
資料探勘是從大量的 不完全的 有噪聲的 模糊的 隨機的資料中提取隱含在其中的 人們事先不知道的 但又是潛在有用的資訊和知識的過程。資料探勘流程 定義問題 清晰地定義出業務問題，確定資料探勘的目的。資料準備 資料準備包括 選擇資料 在大型資料庫和資料倉儲目標中 提取資料探勘的目標資料集 資料預處理 進...
什麼是資料探勘，或資料探勘的過程是什麼
營銷大資料資訊服務的發展，指導了企業商業規劃，優化商業資源配置，提高商業營銷效率，實現了精準營銷。徵信大資料資訊服務的發展，有效解決了交易雙方信用資訊不對稱問題，提高了交易可靠性保障，讓商業活動發展更加守信和健康。網際網路金融大資料資訊服務的發展，縮減了網際網路金融運營成本，降低了普惠金融的發展門檻...
資料探勘是什麼工作呢，資料探勘具體要做什麼？
資料探勘指的是在長期積累的資料中分析和挖掘有價值的資訊以供決策。這個概念主要還是因為erp 企業資源計劃 和oa 辦公自動化 軟體系統的廣泛使用和發展的基礎上出現的一個概念。因為企業在使用這些軟體系統的過程中，雖然運營的狀態和管理以及成本有很大的節約，大大提高了企業的運營效率，可是這些系統卻只能對企...