1、5数据变换通过平滑聚集，数据概化，规范化等方式将数据转换成适用于数据挖掘的形式对于有些实数型数据，通过概念分层和数据的离散化来转换数据也是重要的6数据挖掘过程根据数据仓库中的数据信息，选择合适的分析工。

2、1建立数据挖掘库 建立数据挖掘库包括以下几个步骤数据收集，数据描述，选择，数据质量评估和数据清理，合并与整合，构建元数据，加载数据挖掘库，维护数据挖掘库2分析数据 分析的目的是找到对预测输出影响最大的数据字段。

3、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。

4、1定义商业问题，数据挖掘的中心价值主要在于商业问题上，所以初步阶段必须对组织的问题与需求深入了解，经过不断与组织讨论与确认之后，拟订一个详尽且可达成的方案2数据理解，定义所需要的数据，收集完整数据，并对收集的。

5、所获得的知识也要用一种用户可以使用的方式来组织和表示通常要将活动模型应用到决策制订的过程中去该阶段可以简单到只生成一份报告，也可以复杂到在企业内实施一个可重复的数据挖掘过程控制得到普遍承认。

6、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。

7、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通常我们把信息转化为价值，要经历信息数据知识价值四个层面，数据挖掘就是中间的重要环节，是从数据中发现知识的过程。

8、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。

9、数据挖掘的定义 1技术上的定义及含义 数据挖掘Data Mining就是从大量的不完全的有噪声的模糊的随机的实际应用数据中，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这个定义包括。

10、1分析设计 首先是明确数据分析目的，只有明确目的，数据分析才不会偏离方向，否则得出的数据分析结果不仅没有指导意义，亦即目的引导2数据收集 数据收集是按照确定的数据分析框架，收集相关数据的过程，它为数据分析提供了。

11、从大量数据中提取知识的过程通常称为数据挖掘 数据挖掘是一个计算机科学术语，读音shù jù wā jué，意思一般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。

12、编程语言 数据挖掘和数据分析不一样，数据分析可以利用一些现成的分析工具完成，但是数据挖掘绝大部分要依赖于编程，在数据挖掘领域常用的编程语言有RPythonC++java等，R和python最受欢迎大数据处理框架 做数据挖掘不可。

13、数据分析出来的结果需要用合适图表的形式展现出来，这样可以帮助我们更清晰的得出数据分析的结果，更全面的表达观点报告的撰写，内容主要包括以上几点，分析的目的和思路，数据的来源，本次数据分析的过程，分析的结论和要点等。

14、数据挖掘的常用方法有神经网络方法 神经网络由于本身良好的鲁棒性自组织自适应性并行处理分布存储和高度容错等特性非常适合解决数据挖掘的问题，因此近年来越来越受到人们的关注遗传算法 遗传算法是一种基于生物自然选择。

15、到底做到什么程度才算是一个完整的分析其实，数据分析是有标准模板的，一共分8步走，只要全部做完就可以了这八个步骤是提出问题 5识别异常 寻找指标 6问题归因 现状描述 7走势预测 梳理标准 8结。

16、关联规则挖掘在数据挖掘中是一个重要的课题，最近几年已被业界所广泛研究 2关联规则挖掘过程分类及其相关算法 21关联规则挖掘的过程 关联规则挖掘过程主要包含两个阶段第一阶段必须先从资料**中找出所有的高频项目组Frequent。