[TOC] ### 1.產生 數據爆炸但知識貧乏\=解決辦法\=>數據倉庫、OLAP、數據挖掘 ### 2.概念 數據挖掘是從大量的、不完全的、有噪聲的、模糊的、隨機的實際應用數據中，提取隱含在其中的、人們事先不知道的、但又是潛在有用的信息和知識，尋找其規律的技術，結合統計學、機器學習和人工智能技術的綜合的過程 數據\=>消息\=>知識\=>智慧  ### 3.數據挖掘的一般過程  ### 4.數據挖掘的基本目標 預測任務的目標是根據自變量屬性的值，預測因變量屬性的值，用來做預測的屬性稱為自變量（independent variable）或是特征（features），被預測的屬性值稱為因變量（dependent variable）或是標簽（label） 描述任務的目標是導出概括數據中潛在聯系的模式（關聯、趨勢、聚類、軌跡和異常），本質上， 描述性數據挖掘任務大都是探查性的，并且對導出的模式進行技術驗證和解釋結果。 ### 5.數據挖掘的模型   ### 6.工具 * Weka * Orange * sklearn * ...