[TOC] ### 1.产生 数据爆炸但知识贫乏\=解决办法\=>数据仓库、OLAP、数据挖掘 ### 2.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，寻找其规律的技术，结合统计学、机器学习和人工智能技术的综合的过程 数据\=>消息\=>知识\=>智慧  ### 3.数据挖掘的一般过程  ### 4.数据挖掘的基本目标 预测任务的目标是根据自变量属性的值，预测因变量属性的值，用来做预测的属性称为自变量（independent variable）或是特征（features），被预测的属性值称为因变量（dependent variable）或是标签（label） 描述任务的目标是导出概括数据中潜在联系的模式（关联、趋势、聚类、轨迹和异常），本质上， 描述性数据挖掘任务大都是探查性的，并且对导出的模式进行技术验证和解释结果。 ### 5.数据挖掘的模型   ### 6.工具 * Weka * Orange * sklearn * ...