（1）資料清洗：消除雜訊和刪除不一致的資料。
（2）資料整合：多種資料來源可以組合在一起
（4）資料變換：通過彙總或聚集操作，把資料變換和統一成適合挖掘的形式
(5)資料探勘：基本步驟，使用智慧型方法提取資料模式。
（6）模式評估：根據某總興趣度度量，識別代表知識的真正有趣模式
（7）知識表示：使用視覺化和知識表示技術，向使用者提供挖掘的知識。
（1）易於被人理解。
（2）在某種確信度上，對於新的檢驗資料是有效的。
（3）是潛在有用的。
（4）是新穎的。
（1）x =>y的的關聯規則，一種客觀度量基於是規則的支援度（support）。規則的支援度表示事物資料庫中滿足規則的事物所佔的百分比。支援度可以取概率p(x u y),其中x u y 表示同時包含x和y的事務. support(x=>y) = p(x u y)
(2)關聯規則的另一種客觀度量是置信度（confidence）,他評估所發現的規則的確信程度。置信度可以取條件概p(x i y) ,即包含x也包含y的概率 .confidence(x=>y) = p(y i x)
機器學習的概念
機器學習考察計算機如何基於資料學習（或提高他們的效能）。其主要應用領域之一是，電腦程式基於資料自動的學習識別複雜的模式，並做出智慧型的決斷。
（1）爬行：決定應該爬過那些頁面和爬行頻率。
（2）索引：選擇被索引的頁面和決定構建索引的範圍。
（3）搜素：決定如何排列各個頁面，廣告投放。
新的大資料的知識發現和資料探勘
來自如谷歌和雅虎這樣的公司的頂尖的科學家，和高階學者們一起齊聚在本週在聖地牙哥舉行的第17次計算機械協會 acm 的知識發現和資料探勘 kdd 會議上。他們將要展示從當下產生的鋪天蓋地的資料中尋找洞察力的最新技術，並使各種各樣形式的資訊變得比以往任何時候都更有意義。二十年前，關心所謂的 大資料 的人...
系統生物和生物學中的數理知識
生物還原論 生物單個細胞組分的資訊生成 化學成分和它們的生物功能。生物整體論 乙個系統的性質不簡單地等於組成部分性質的疊加。遺傳和細胞間的功能是分層的，並且涉及到很多的層次。給定dna序列，我們能用開方讀碼框 orf 在mrna上，沿5 至3 方向，從起始密碼子到終止密碼子之間的一段核苷酸序列，稱為...
資料庫知識部分討論中發現的知識空缺
一 所有的候選碼都不能有冗餘，即乙個候選碼不能含有多餘的屬性 二 五種基本關係代數運算 1 並2 差 3 廣義笛卡爾積 4 投影 5 選擇 三 擴充套件的關係代數運算 1 交2 連線 連線 等值連線 自然連線 3 除4 廣義投影 允許在投影列表中使用算術運算 5 外連線 左外連線 右外連線 全外連線...