本文目录一览：
数据挖掘的定义是什么?有哪几种挖掘技术
它是一门涉及面很广的交叉学科，包括机器学习、数理统计、神经网络、数据库、模式识别、粗糙集、模糊数学等相关技术。数据挖掘的技术，可粗分为：统计方法、机器学习方法、神经网络方法和数据库方法。
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。
数据挖掘（Data Mining， DM），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：概念与技术》（FreeEIM J. Han and M. KaMBer）数据挖掘就是对观测到的数据集（经常是很庞大的）进行分析，目的是发现未知的关系和以数据拥有者可以理解并对其有价值的新颖方式来总结数据。
数据分析和数据挖掘的区别是什么?
1、主要区别：“数据分析”的重点是观察数据，而“数据挖掘”的重点是从数据中发现“知识规则”KDD（Knowledge Discover in Database）。
2、数据分析和数据挖掘都是从数据库中发现知识、所以我们称数据分析和数据挖掘叫做数据库中的知识发现。但严格意义上来讲，数据挖掘才是真正意义上的数据库中的知识发现（Knowledge Discovery in Database ，KDD）。
3、从侧重点上来说，相比较而言，数据分析更多依赖于业务知识，数据挖掘更多侧重于技术的实现，对于业务的要求稍微有所降低。从数据量上来说，数据挖掘往往需要更大数据量，而数据量越大，对于技术的要求也就越高。
4、其实数据分析的范围广，包含了数据挖掘，在这里区别主要是指统计分析）数据量上：数据分析的数据量可能并不大，而数据挖掘的数据量极大。
5、数据分析与数据挖掘的思考方式不同，一般来讲，数据分析是根据客观的数据进行不断的验证和***设，而数据挖掘是没有***设的，但你也要根据模型的输出给出你评判的标准。
6、区别：计算机编程能力的要求不同 在对行业的理解的能力不同 专业知识面的要求不同 总之一句话来概括的话，数据分析师更关注于业务层面，数据挖掘工程师更关注于技术层面。相同：都跟数据打交道。
大数据挖掘是什么?
1、大数据挖掘是一种数据分析方法，它利用计算机技术和统计学原理，从大量数据中挖掘出隐藏的信息和模式。
2、大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。
3、数据挖掘是分析大量原始信息以识别模式并将其转变为知识的过程，我们可以将数据挖掘的过程分解为以下步骤：数据收集，准备并加载到数据仓库中。业务分析师借助软件工具进行数据分析和建模。
4、数据挖掘的兴起 1 数据丰富与知识匮乏 对信息进行再加工，即进行更深入的归纳分析，从信息中理解其模式，方能获得更有用的信息，即知识。在大量知识积累基础上，总结出原理和法则，就形成了所谓智慧。
5、什么是数据挖掘？是知识发现、商业智能、预测分析还是预测建模。其实都可以归为一类：数据挖掘是一项探测大量数据以发现有意义的模式（pattern）和规则（rule）的业务流程。
数据挖掘和数据仓库的关系?
【答案】：（1）数据仓库是基础：无论是数据挖掘还是OLAP分析数据库挖掘，数据库挖掘他们成功的关键之一是能够访问正确的、完整的和集成的数据。这也是对数据仓库的要求。
数据挖掘就是从大量数据中提取数据的过程。数据仓库是汇集所有相关数据的一个过程。数据挖掘和数据仓库都是商业智能工具***。数据挖掘是特定的数据收集。
数据仓库为数据挖掘提供平台及数据支持 举例：某保险公司从多个底层业务系统抽取客户及保单等信息加工集成到统一的数据仓库。业务分析人员通过数据挖掘工具在数据仓库平台上实现分析算法，统计或预测一些业务指标。
数据仓库，简单地说，就是搜集来自其它系统的有用数据，存放在一整合的储存区内。
数据仓库与数据挖掘问题
1、数据仓库的类型根据数据仓库所管理的数据类型和它们所解决的企业问题范围，一般可将数据仓库分为下列3种类型：企业数据仓库（EDW）、操作型数据库（ODS）和数据集市（Data Marts）。
2、数据仓库与数据挖掘的差别 （1）数据仓库是一种数据存储和数据组织技术，提供数据源。（2）数据挖掘是一种数据分析技术，可针对数据仓库中的数据进行分析。数据库：是一种逻辑概念，用来存放数据的仓库，通过数据库软件来实现。
3、数据变换把数据转换成适于挖掘的形式。光滑：去掉数据中的噪声。
