數據挖掘不僅能對過去的數據進行查詢和遍歷，并且能夠對將來的趨勢和行為進行預測，并自動探測以前未發現的模式，從而很好地支持人們的決策。 被挖掘出來的信息，能夠用于信息管理、查詢處理、決策支持、過程控制以及許多其它應用。數據挖掘按其功能劃分主要包括以下幾類：

??? (1) 分類

??? 分類是數據挖掘中應用的最多的方法。分類是找出一個類別的概念描述，它代表了這類數據的整體信息，即該類的內涵描述，一般用規則或決策樹模式表示。一個類的內涵描述分為特征性描述和區別性描述。特征性描述是對類中對象的共同特征的描述，區別性描述是對兩個或多個類之間區別的描述。

??? (2) 關聯分析

??? 若兩個或多個數據項的取值重復出現且概率很高時，它就存在著某種關聯，可以建立起這些數據項的關聯規則。關聯分析的目的是找出數據庫中隱藏的關聯網。在大型數據庫中，這種關聯規則是很多的，一般用“支持度”，“可信度”兩個閾值來淘汰那些無用的關聯規則。

??? (3) 聚類

??? 數據庫中的數據可分為一系列有意義的子集或稱為類。在同一類別中，個體之間的距離較小，而不同類別的個體之間的距離偏大。聚類增強了人們對客觀現實的認識，即通過聚類建立宏觀概念。

??? (4)序列模式

??? 通過時間序列搜索出重復發生概率較高的模式，這里強調時間序列對挖掘結果的影響。

??? (5)偏差檢驗

??? 數據庫中的數據常有一些異常記錄，從數據庫中檢測出這些偏差很有意義。偏差包括很多潛在的知識，如分類中的反常實例、不滿足規則的特例、觀測結果與模型預測值的偏差、量值隨時間的變化等。偏差檢測的基本方法是尋找觀測結果與參照之間的差別。

??? (6) 預測

??? 預測是利用歷史數據找出變化規律，即建立模型，并用此模型來預測未來數據的種類、特征等。

總結

以上是生活随笔為你收集整理的数据挖掘能做什么的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。