1樓：以道教育
資料探勘概述
資料探勘又稱資料庫中的知識發現（knowledge discover in database，kdd），是目前人工智慧和資料庫領域研究的熱點問題，所謂資料探勘是指從資料庫的大量資料中揭示出隱含的、先前未知的並有潛在價值的資訊的非平凡過程。資料探勘是一種決策支援過程，它主要基於人工智慧、機器學習、模式識別、統計學、資料庫、視覺化技術等，高度自動化地分析企業的資料，做出歸納性的推理，從中挖掘出潛在的模式，幫助決策者調整市場策略，減少風險，做出正確的決策。
資料探勘的定義
1.技術上的定義及含義
資料探勘（data mining）就是從大量的、不完全的、有雜訊的、模糊的、隨機的實際應用資料中，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。這個定義包括好幾層含義：資料來源必須是真實的、大量的、含雜訊的；發現的是使用者感興趣的知識；發現的知識要可接受、可理解、可運用；並不要求發現放之四海皆準的知識，僅支援特定的發現問題。
與資料探勘相近的同義詞有資料融合、人工智慧、商務智慧型、模式識別、機器學習、知識發現、資料分析和決策支援等。
資料探勘的基本過程和主要步驟
2樓：長沙新華電腦學院
資料探勘又稱資料庫中的知識發現（knowledge discover in database，kdd），是目前人工智慧和資料庫領域研究的熱點問題，所謂資料探勘是指從資料庫的大量資料中揭示出隱含的、先前未知的並有潛在價值的資訊的非平凡過程。資料探勘是一種決策支援過程，它主要基於人工智慧、機器學習、模式識別、統計學、資料庫、視覺化技術等，高度自動化地分析企業的資料，做出歸納性的推理，從中挖掘出潛在的模式，幫助決策者調整市場策略，減少風險，做出正確的決策。
什麼是資料探勘，或資料探勘的過程是什麼
3樓：
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，有效解決了中小企業短期資金缺口問題，對傳統金融服務起到了有效補充
4樓：知於大資料
1.1 資料探勘的興起
1.1.1 資料豐富與知識匱乏
對資訊進行再加工，即進行更深入的歸納分析，從資訊中理解其模式，方能獲得更有用的資訊，即知識。在大量知識積累基礎上，總結出原理和法則，就形成了所謂智慧型。
當前的尷尬境地：「豐富的資料」而「貧乏的知識」
1.1.2 從資料到知識
資料倉儲的形成：隨著資料量的增長，資料來源所帶來的各種資料格式不相容性，為來便於獲得決策所需資訊，就有必要將整個機構的資料以統一形式整合儲存在一起，這就形成了資料倉儲（data warehouse,dw）
olap分析過程是建立在使用者對深藏在資料中的某種知識有預感和假設的前提下，是在使用者指導下的資訊分析和知識發現過程。
智慧型化自動分析工具：為適應變化迅速的市場環境，就需要有基於計算機與資訊科技的智慧型化自動工具，來幫助挖掘隱藏在資料中的各類知識。這類工具能自身生成多種假設 ➡️然後用資料倉儲（or大型資料庫）中的資料進行檢驗或驗證 ➡️然後返回使用者最有價值的檢驗結果。
此外，這類工具還應能適應現實世界中資料的多種特性（量大、含雜訊、不完整、動態、稀疏性、異質、非線性等）
1.1.3 資料探勘（dm）的產生
2023年，在美國計算機年會上，提出了資料探勘（dm，data mining） 的概念，即通過資料庫抽取隱含的、未知的、具有潛在使用價值資訊的過程
整個知識發現過程是由若干重要步驟組成（資料探勘只是其中乙個重要步驟）：
1）資料清洗：清除資料雜訊和與挖掘主題明顯無關的資料
2）資料整合：將來自多資料來源中的相關資料組合到一起
3）資料轉換：將資料轉換為易於進行資料探勘的資料儲存形式
4）資料探勘：它是知識挖掘的乙個重要步驟，其作用是利用智慧型方法挖掘資料模式或規律知識
5）模式評估：其作用是根據一定評估標準從挖掘結果篩選出有意義的模式知識
6）知識表示：其作用是利用視覺化和知識表達技術，向使用者展示所挖掘出的相關知識
1.1.4 資料探勘解決的商業問題（案例）
客戶行為分析
客戶流失分析
交叉銷售
欺詐檢測
風險管理
客戶細分
廣告定位
市場和趨勢分析
資料探勘的應用有哪些？
5樓：江蘇中公優就業
資料探勘目前在中國的尚未流行開，猶如屠龍之技；資料探勘本身融合了統計學、資料庫、機器學習、模式識別、知識發現等學科，並不是新的技術。
資料探勘之所以能夠應用不是因為演算法，演算法是以前就有的。資料探勘應用的原因是大資料和雲計算。比如阿爾法狗的後台有上千臺計算機同時執行神經網路演算法；
資料初期的準備工作，也稱data warehousing。通常佔整個資料探勘專案工作量的70%左右。在前期你需要做大量的資料清洗和字段擴充的工作。資料探勘和報告展現只佔30%左右；
資料探勘技術更適合業務人員學習（相比技術人員學習業務來的更高效）。
目前國內的資料探勘人員工作領域大致可分為三類
1）資料分析師：在擁有行業資料的電商、金融、電信、諮詢等行業裡做業務諮詢，商務智慧型，出分析報告；
2）資料探勘工程師：在多**、電商、搜尋、社交等大資料相關行業裡做機器學習演算法實現和分析；
3）科學研究方向：在高校、科研單位、企業研究院等高大上科研機構研究新演算法效率改進及未來應用。
你自己的定位與學習
基於以上的介紹，你大概可以明確你需要努力的方向。如果你不是致力於科研方向，那麼你需要掌握如下的技能：
1. 需要理解主流機器學習演算法的原理和應用。按照需要解決的問題，主要分為三大類，見下圖：
2. 需要熟悉至少一門程式語言。如r，python，spss modeler，sas，weka等。
關於軟體，有三個原則：只要能達到目標的軟體就是好軟體；你研究的領域啥軟體好用就用啥軟體；不要妄想用乙個軟體解決所有問題。
3. 需要理解資料庫基本原理，能夠熟練操作至少一種資料庫，如mysql，oraceldb2等。
4. 熟悉資料探勘常見的運用場景。如客戶生命週期管理、客戶畫像和客戶分群、客戶價值**模型構建、推薦系統設計等，這些需要依託於不同行業。
5.經典圖書推薦：《資料探勘：概念與技術》、《資料探勘導論》、《機器學習實戰》、《資料庫系統概論》、《r語言實戰》。
人工智慧，機器學習，統計學，資料探勘之間有什麼區別
6樓：奇爸奇媽
什麼
bai是人工智慧？它和神du經網路、機器學習
zhi、dao深度學習、資料探勘這類熱內門詞彙有容什麼關係？
人工智慧（ai）是一門綜合了電腦科學、生理學、哲學的交叉學科。凡是使用機器代
替人類實現認知、識別、分析、決策等功能，均可認為使用了人工智慧技術。
撇開複雜的概念和高冷的定義，一圖看懂人工智慧相關領域的錯綜複雜的關係。
由圖可見，人工智慧、機器學習、深度學習並非是層層包含的關係，而最近火熱的神經網路也只是與人工智慧有交叉而非人工智慧的實現方式或者子集。
所以，他們的關係是這些學科的部分知識和人工智慧交叉在一起，你不一定全部要掌握，但是一定要了解。
如何學習人工智慧
人工智慧涉及到的學科範圍實在是太廣了，但是萬變不離其宗，任何一門技術都需要打好紮實的基礎，我的建議是數學，概率論，統計學，線性代數這些大學要學習的基本學科是一定要學會的，不止是會，還要懂得運用和思考。
如果你是乙個還沒入門的初學者，我推薦看《人工智慧基礎（高中版）》，沒有涉及到大量的演算法，講的都是一些基本的原理，裡面也涉及到一些數學知識，我們公司每個人都要看的一本書，能夠讓普通人也能大體明白人工智慧相關的知識。
7樓：匿名使用者
從集合的角度來說抄，人工智慧包含機器學習。。。
資料探勘是用到了機器學習中的很多東西，但兩者不是同乙個東西，連概念都不一樣，前者是偏向應用，但應用中的很多理論和方法，**於機器學習。
至於統計學，是一種研究方法和手段，只是在上面三者中，是數學基礎中的一種。。
資料探勘的重要性是什麼，資料探勘的意義
資料探勘在企業和事業單位應用越來越廣泛，它已經成為了一種新的經濟資產，被看作是新世紀的礦產與石油，為整個社會帶來了全新的創業方向 商業模式和投資機會。資料探勘就像眼睛和大腦，可以通過分析資料獲得洞察力，就像大海上的指南針，指明方向。大資料時代，組織和企業會更多的依靠資料分析而非經驗和直覺來制定決策。...
資料探勘與資料分析的區別是什麼，資料探勘與資料分析的主要區別是什麼
1.資料探勘 資料探勘是指從大量的資料中，通過統計學 人工智慧 機器學習等方法，挖掘出未知的 且有價值的資訊和知識的過程。資料探勘主要側重解決四類問題 分類 聚類 關聯和 就是定量 定性，資料探勘的重點在尋找未知的模式與規律。輸出模型或規則，並且可相應得到模型得分或標籤，模型得分如流失概率值 總和得...
什麼叫資料探勘神經網路，什麼是資料探勘？
資料分析中的神經網路就是資料探勘的一種分析方法。資料探勘是從資料中發現有價值的內容加以利用解決實際問題。有很多模型分析方法，如神經網路，層次分析法，灰度 回歸，偏回歸，主成分分析，因子分析等。什麼是資料探勘？5 簡單理解就是找出海量的資料所蘊含的具有戰略意義的，潛在的規律。什麼是資料探勘，簡述其作用...