数据挖掘的概念?

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。

数据准备：数据准备包括：选择数据–在大型数据库和数据仓库目标中 提取数据挖掘的目标数据集;数据预处理–进行数据再加工，包括检查数据的完整性及数据的一致性、去噪声，填补丢失的域，删除无效数据等。

数据挖掘：根据数据功能的类型和和数据的特点选择相应的算法，在净化和转换过的数据集上进行数据挖掘。

结果分析：对数据挖掘的结果进行解释和评价，转换成为能够最终被用户理解的知识。

数据挖掘( Data Mining，简称DM)，简单地讲就是从大量数据中挖掘或抽取出知识，数据挖掘概念的定义描述有若干版本，以下给出一个被普遍采用的定义描述:
数据挖掘，又称为数据库中知识发现(Knowledge Discovery from Database，简称KDD)，它是一个从大量数据中抽取挖掘出未知的、有价值的模式或规律等知识的复杂过程。 整个知识挖掘(KDD)过程是由若干挖掘步骤组成，而数据挖掘仅是其中的一个主要步骤。整个知识挖掘的主要步骤有:
数据清洗(data clearning )，其作用就是清除数据噪声和与挖掘主题明显无关的数据;
数据集成(data integration )，其作用就是将来自多数据源中的相关数据组合到一起;
数据转换(data transformation )，其作用就是将数据转换为易于进行数据才它掘的数据存储形式; 数据挖掘(data mining )，它是知识挖掘的一个基本步骤，其作用就是利用智能方法挖掘数据模式或规律知识; 模式评佑( pattern evaluation )，其作用就是根据一定评估标准interesting measures)从挖掘结果筛选出有意义的模式知识; 知识表示(knowledge presentation )，其作用就是利用可视化和知识表达技术，向用户展示所挖掘出的相关知识。