kdd(knowledge discovery in database):從資料中發現有用知識。資料探勘（dm）被認為是kdd過程中的乙個特定步驟。
資料探勘（data mining）就是從大量的、不完全的、有雜訊的、模糊的、隨機的資料中,提取隱含在其中的、人們事先不知道的、但又是潛在有用的資訊和知識的過程。
kdd過程模型
kdd是從資料庫中提取隱藏知識的過程，需要掌握目標資料的相關知識，理解目標。kdd的9個步驟如下，相互影響，可迭代。
理解需求–>創造目標資料集–>資料清洗和預處理–>資料轉化–>（基於第一步的）資料探勘任務選擇–>選擇演算法–>演算法實現–>評價模型–>發現知識並使用。
crisp-dm模型
crisp-dm（cross-industry standard pocess for data mining）,由daimler chrysler( daimler-benz) ，spss(isl)，ncr在2023年提出，六個步驟如下。
商業理解–>資料理解–>資料準備–>建模–>評價–>運用。
semma過程模型
由sas公司創立，五個步驟。抽樣–>探索資料–>修飾資料–>建模–>評價。
三者對比
資料探勘引入 基礎知識
全球每天都在產生數以兆兆的資料，每個人的行為都會產生資料 資料的 式增長並且廣泛可用讓我們真正進入資料時代。普通人面對這資料海洋就是束手無策 一臉懵逼 我是誰？我從哪兒來？我要去哪兒？但是在這資料海洋中有著無與倫比的財富等待著我們去發現。資料探勘 資料探勘是指從大量的資料中通過演算法搜尋隱藏於其中資...
SPSS Modeler資料探勘 資料探勘概述
資料探勘 是一種通過數理模式來分析大量資料，以找出不同的客戶或市場劃分，分析出消費者喜好和行為的方法。可以描述為 是按企業既定業務目標，對大量的企業資料進行探索和分析，揭示隱藏的 未知的 或驗證已知的規律性，並進一步將其模型化的先進的有效的方法。資料探勘 data mining 在技術上的定義是從大...
資料探勘 資料
對關注的屬性，樣本與原始資料集有相同的性質，則用抽樣計算的結果與全集是一樣。1.1 抽樣的方法 1 簡單隨機抽樣 random sampling 放回 不放回 2 分層抽樣 stratified sampling 如果資料集不同型別的資料數量差異過大，則隨機抽樣會丟失數量少的樣本。可針對不同資料組，...