什麽是數據挖掘，簡述其作用和應用。

數據挖掘(Data Mining)，就是從存放在數據庫，數據倉庫或其他信息庫中的大量的數據中獲取有效的、新穎的、潛在有用的、最終可理解的模式的非平凡過程。　1)數據挖掘能做以下七種不同事情（分析方法）：　 數據挖掘· 分類 （Classification）　· 估值（Estimation）　· 預言（Prediction）　· 相關性分組或關聯規則（Affinity grouping or association rules）　· 聚集（Clustering）　· 描述和可視化（Description and Visualization）　· 復雜數據類型挖掘(Text, Web ,圖形圖像，視頻，音頻等)　2)數據挖掘分類　以上七種數據挖掘的分析方法可以分為兩類：直接數據挖掘；間接數據挖掘　· 直接數據挖掘　目標是利用可用的數據建立壹個模型，這個模型對剩余的數據，對壹個特定的變量（可以理解成數據庫中表的屬性，即列）進行描述。　· 間接數據挖掘　目標中沒有選出某壹具體的變量，用模型進行描述；而是在所有的變量中建立起某種關系 。　· 分類、估值、預言屬於直接數據挖掘；後三種屬於間接數據挖掘　3)各種分析方法的簡介　· 分類 （Classification）　首先從數據中選出已經分好類的訓練集，在該訓練集上運用數據挖掘分類的技術，建立分類模型，對於沒有分類的數據進行分類。　例子：　a. 信用卡申請者，分類為低、中、高風險　b. 故障診斷：中國寶鋼集團與上海天律信息技術有限公司合作，采用數據挖掘技術對鋼材生產的全流程進行質量監控和分析，構建故障地圖，實時分析產品出現瑕疵的原因，有效提高了產品的優良率。　註意： 類的個數是確定的，預先定義好的　· 估值（Estimation）　估值與分類類似，不同之處在於，分類描述的是離散型變量的輸出，而估值處理連續值的輸出；分類 數據挖掘的類別是確定數目的，估值的量是不確定的。　例子：　a. 根據購買模式，估計壹個家庭的孩子個數　b. 根據購買模式，估計壹個家庭的收入　c. 估計real estate的價值　壹般來說，估值可以作為分類的前壹步工作。給定壹些輸入數據，通過估值，得到未知的連續變量的值，然後，根據預先設定的閾值，進行分類。例如：銀行對家庭貸款業務，運用估值，給各個客戶記分（Score 0~1）。然後，根據閾值，將貸款級別分類。　· 預言（Prediction）　通常，預言是通過分類或估值起作用的，也就是說，通過分類或估值得出模型，該模型用於對未知變量的預言。從這種意義上說，預言其實沒有必要分為壹個單獨的類。預言其目的是對未來未知變量的預測，這種預測是需要時間來驗證的，即必須經過壹定時間後，才知道預言準確性是多少。　例子： 海南航空引入領先的數據挖掘工具馬克威分析系統，分析客流、燃油等變化趨勢，以航線收益為主題進行數據挖掘，制定精細的銷售策略，有效提高了企業收益。　· 相關性分組或關聯規則（Affinity grouping or association rules）　決定哪些事情將壹起發生。　例子：　a. 超市中客戶在購買A的同時，經常會購買B，即A => B(關聯規則)　b. 客戶在購買A後，隔壹段時間，會購買B （序列分析）　· 聚集（Clustering）　聚集是對記錄分組，把相似的記錄在壹個聚集裏。聚集和分類的區別是聚集不依賴於預先定義好的類，不需要訓練集。　例子：　a. 壹些特定癥狀的聚集可能預示了壹個特定的疾病　b. 租VCD類型不相似的客戶聚集，可能暗示成員屬於不同的亞文化群　聚集通常作為數據挖掘的第壹步。例如，"哪壹種類的促銷對客戶響應最好？"，對於這壹 類問題，首先對整個客戶做聚集，將客戶分組在各自的聚集裏，然後對每個不同的聚集，回答問題，可能效果更好。　c. 中國移動采用先進的數據挖掘工具馬克威分析系統，對用戶wap上網的行為進行聚類分析，通過客戶分群，進行精確營銷。　· 描述和可視化（Des cription and Visualization） 來源：網界網論壇　是對數據挖掘結果的表示方式。