数据挖掘是什么？
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。数据挖掘流程：定义问题：清晰地定义出业务问题，确定数据挖掘的目的。数据准备：数据准备包括：选择数据–在大型数据库和数据仓库目标中 提取数据挖掘的目标数据集;数据预处理–进行数据再加工，包括检查数据的完整性及数据的一致性、去噪声，填补丢失的域，删除无效数据等。数据挖掘：根据数据功能的类型和和数据的特点选择相应的算法，在净化和转换过的数据集上进行数据挖掘。结果分析：对数据挖掘的结果进行解释和评价，转换成为能够最终被用户理解的知识。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。统计方法，可细分为：回归分析（多元回归、自回归等）、判别分析（贝叶斯判别、CBR、遗传算法、贝叶斯信念网络等。神经网络方法，可细分为：前向神经网络（BP算法等）、自组织神经网络（自组织特征映射、竞争学习等）等。数据库方法主要是基于可视化的多维数据分析或OLAP方法，另外还有面向属性的归纳方法。
什么是数据挖掘？数据挖掘怎么做啊？
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。换句话说，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。原则上讲，数据挖掘可以应用于任何类型的信息存储库及瞬态数据（如数据流），如数据库、数据仓库、数据集市、事务数据库、空间数据库（如地图等）、工程设计数据（如建筑设计等）、多媒体数据（文本、图像、视频、音频）、网络、数据流、时间序列数据库等。也正因如此，数据挖掘存在以下特点：（1）数据集大且不完整数据挖掘所需要的数据集是很大的，只有数据集越大，得到的规律才能越贴近于正确的实际的规律，结果也才越准确。除此以外，数据往往都是不完整的。（2）不准确性数据挖掘存在不准确性，主要是由噪声数据造成的。比如在商业中用户可能会提供假数据；在工厂环境中，正常的数据往往会收到电磁或者是辐射干扰，而出现超出正常值的情况。这些不正常的绝对不可能出现的数据，就叫做噪声，它们会导致数据挖掘存在不准确性。（3）模糊的和随机的数据挖掘是模糊的和随机的。这里的模糊可以和不准确性相关联。由于数据不准确导致只能在大体上对数据进行一个整体的观察，或者由于涉及到隐私信息无法获知到具体的一些内容，这个时候如果想要做相关的分析操作，就只能在大体上做一些分析，无法精确进行判断。而数据的随机性有两个解释，一个是获取的数据随机；我们无法得知用户填写的到底是什么内容。第二个是分析结果随机。数据交给机器进行判断和学习，那么一切的操作都属于是灰箱操作。
数据挖掘应用在哪些领域?
数据挖掘可以应用在金融、医疗保健、市场业、零售业、制造业、司法、工程和科学、保险业等领域。
数据挖掘，又译为资料探勘、数据采矿。它是数据库知识发现中的一个步骤。数据挖掘一般是指从大量的数据中自动搜索隐藏于其中的有着特殊关系性的信息的过程。数据挖掘通常与计算机科学有关，并通过统计、在线分析处理、情报检索、机器学习、专家系统和模式识别等诸多方法来实现上述目标。
近年来，数据挖掘引起了信息产业界的极大关注，其主要原因是存在大量数据，可以广泛使用，并且迫切需要将这些数据转换成有用的信息和知识。获取的信息和知识可以广泛用于各种应用，包括商务管理，生产控制，市场分析，工程设计和科学探索等。
什么是数据挖掘，简述其作用和应用。
数据挖掘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。换句话说，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。数据挖掘的作用体现在数据挖掘的定义上，作用就是从大量的数据中搜索出隐藏于其中有用的信息。扩展资料：数据挖掘分析方法：数据挖掘分为有指导的数据挖掘和无指导的数据挖掘。有指导的数据挖掘是利用可用的数据建立一个模型，这个模型是对一个特定属性的描述。无指导的数据挖掘是在所有的属性中寻找某种关系。具体而言，分类、估值和预测属于有指导的数据挖掘；关联规则和聚类属于无指导的数据挖掘。1、分类，它首先从数据中选出已经分好类的训练集，在该训练集上运用数据挖掘技术，建立一个分类模型，再将该模型用于对没有分类的数据进行分类。2、估值，估值与分类类似，但估值最终的输出结果是连续型的数值，估值的量并非预先确定。估值可以作为分类的准备工作。3、预测，它是通过分类或估值来进行，通过分类或估值的训练得出一个模型，如果对于检验样本组而言该模型具有较高的准确率，可将该模型用于对新样本的未知变量进行预测。4、相关性分组或关联规则。其目的是发现哪些事情总是一起发生。5、聚类，它是自动寻找并建立分组规则的方法，它通过判断样本之间的相似性，把相似样本划分在一个簇中。参考资料来源：百度百科-数据挖掘
数据挖掘是什么专业?
大学的哪个专业是研究数据挖掘的？
数据挖掘(Data Mining)，又称为数据库中的知识发现(Knowledge Discovery in Database, KDD)，就是从大量数据中获取有效的、新颖的、潜在有用的、最终可理解的模式的非平凡过程，简单的说，数据挖掘就是从大量数据中提取或“挖掘”知识。
比如，软件开发专业，
具体以来的学科多了，给你个 网址：baike.baidu/view/7893
自己看下吧。很清楚了 ！
数据分析员属于什么专业
没有属于什么专业，一般从事的人都是统计学或者数学专业的。
请问你是数据挖掘的研究生？数据挖掘研究生阶段都学什么？
首先，数据挖掘的技术有好多种，你要定位到某类数据挖激算法， 比如分类，聚类，关联规则，预测等等。
再次，就是根据你的定位，大量阅读国内外（特别是国外）研究人员对这类算法的改进及应用，要熟悉。。
然后呢，就是提出你对该算法的改进方法，并实现。
说白了，就是算法的改进，实现。
研究生教育就是这样，自己研究算法。跟实际的应用有些脱节的，实际应用中根本不会在意某个算法的执行效率等等。。。。
大数据属于什么专业？
应该归于计算机（软件）方面的专业吧
想当数据挖掘工程师要报什么大学专业 10分
本科或硕士以上学历，数据挖掘、统计学、数据库相关专业。
熟练掌握关系数据库技术，具有数据库系统开发经验；熟练掌握常用的数据挖掘算法；
具备数理统计理论基础，并熟悉常用的统计工具软件。
国内一批大学，211或者985最好。
数据挖掘，到底考研该考什么专业
数据方面的比较好
应该考虑自己的兴趣和爱好。兴趣是最好的老师，只有感兴趣的东西，才会真正投入的去学。
要选择与自己文化基础相适应的专业，以保证学习的顺利进行。比如说你的数学基础比较好，
逻辑思维比较灵活，则可以考虑选择理工类的专业。
不要急，总之，要自信，相信自己一定可以成功
考研想考数据挖掘方面 属于哪个二级学科呢？ 100分
计算机，不过自动化或者统计的二级学科也可能会有
数据挖掘是什么工作呢？
数据挖掘指的是在长期积累的数据中分析和挖掘有价值的信息以供决策。这个概念主要还是因为ERP（企业资源计划）和OA(办公自动化)软件系统的广泛使用和发展的基础上出现的一个概念。因为企业在使用这些软件系统的过程中，虽然运营的状态和管理以及成本有很大的节约，大大提高了企业的运营效率，可是这些系统却只能对企业的状态和管理进行一个状态性的记录，对长期记录下来的这些数据的分析和在挖掘能力是非常有限的，虽然众多软件供应商想出各种办法来利用其这些数据，比如出各种报表甚至自定义的报表，可是仍然受制于ERP和OA本身设计的缺陷，因为它们原本就不是设计来做数据分析的。 所以在我们的软件系统实施的过程中，常常看到一个庞大的系统在运行，可是对于领导却只有每月看一两张报表的价值。所以，有人提出了数据挖掘的概念，长期使用ERP系统所积攒的数据就好像一大筐苹果，金苹果、银苹果、烂苹果都有，而数据挖掘工程师就是专门从中挑选出对企业有用的信息的工作。当然数据挖掘软件也是专门设计来做这个事情的。
想从事数据分析工作，考研应该考什么专业好一些，大数据或者数据挖掘可以吗？ 30分
大数据 很好地 专业 你可以考 算法 或者数据分析，这个比较新 你要考的话 看一下 有没有 直接开这个专业的，我的研究生同学就转行 做这个了 ，很不错
数据挖掘与数据分析的主要区别是什么
总结一下主要有以下几点：
1、计算机编程能力的要求
作为数据分析很多情况下需要用到成型的分析工具，比如EXCEL、SPSS，或者SAS、R。一个完全不懂编程，不会敲代码的人完全可以是一名能好的数据分析师，因为一般情况下OFFICE包含的几个工具已经可以满足大多数数据分析的要求了。很多的数据分析人员做的工作都是从原始数据到各种拆分汇总，再经过分析，最后形成完整的分析报告。当然原始数据可以是别人提供，也可以自己提取（作为一名合格的数据分析师，懂点SQL知识是很有好处的）。
而数据挖掘则需要有编程基础。为什么这样说呢？举两个理由：第一个，目前的数据挖掘方面及相关的研究生方面绝大多数是隶属于计算机系；第二点，在招聘岗位上，国内比较大的公司挂的岗位名称大多数为“数据挖掘工程师”。从这两点就可以明确看出数据挖掘跟计算机跟编程有很大的联系。
2、在对行业的理解的能力
要想成为一名优秀的数据分析师，对于所从事的行业有比较深的了解和理解是必须要具备的，并且能够将数据与自身的业务紧密结合起来。简单举个例子来说，给你一份业务经营报表，你就能在脑海中勾画出目前经营状况图，能够看出哪里出现了问题。但是，从事数据挖掘不一定要求对行业有这么高的要求。
3、专业知识面的要求
数据分析师出对行业要了解外，还要懂得一些统计学、营销、经济、心理学、社会学等方面的知识，当然能了解数据挖掘的一些知识会更好。数据挖掘工程师则要求要比较熟悉数据库技术、熟悉数据挖掘的各种算法，能够根据业务需求建立数据模型并将模型应用于实际，甚至需要对已有的模型和算法进行优化或者开发新的算法模型。想要成为优秀的数据挖掘工程师，良好的数学、统计学、数据库、编程能力是必不可少的。
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。
数据分析师与数据挖掘工程师的相似点：
1、都跟数据打交道。
他们玩的都是数据，如果没有数据或者蒐集不到数据，他们都要丢饭碗。
2、知识技能有很多交叉点。
他们都需要懂统计学，懂数据分析一些常用的方法，对数据的敏感度比较好。
3、在职业上他们没有很明显的界限。
很多时候数据分析师也在做挖掘方面的工作，而数据挖掘工程师也会做数据分析的工作，数据分析也有很多时候用到数据挖掘的工具和模型，很多数据分析从业者使用SAS、R就是一个很好的例子。而在做数据挖掘项目时同样需要有人懂业务懂数据，能够根据业务需要提出正确的数据挖掘需求和方案能够提出备选的算法模型，实际上这样的人一脚在数据分析上另一只脚已经在数据挖掘上了。
事实上没有必要将数据分析和数据挖掘分的特别清，但是我们需要看到两者的区别和联系，作为一名数据行业的从业者，要根据自身的特长和爱好规划自己的职业生涯，以寻求自身价值的最大化。
sc-cpda 数据分析公众交流平台
数据挖掘领域比较有前景的方向有哪些
数据挖掘在国内还处于起步阶段，真正的运用比较少，找工作不是很容易，就业方向基本上是做数据处理、数据分析，或是软件开发师。不如果从事数据挖掘的工作，地点也很重要，国内发展比较好的城市是北京和上海，广东也有少数。一般来说，比较大型的企才有投有数据挖掘工程师这个职位，其它企业如果需要，都是外包给专门的数据挖掘公司来做的。比较能用得上数据挖掘的行业是大型网站、银行、医院，针对网站，一般要学习WEB挖掘，比较有前途，大型网站公司也会招这个职位。银行的数据挖掘也用得广，但它一般包给专业公司来做，有个方向叫商业智能，简称BI，应该是数据挖掘中以后会很热的行业。有兴趣的话，这是不错的方向，虽然现状艰辛，但前途是光明的。如果对数据挖掘的学习有疑问的话，推荐CDA数据分析师的课程，课程以项目调动学员数据挖掘实用能力的场景式教学为主，在讲师设计的业务场景下由讲师不断提出业务问题，再由学员循序渐进思考并操作解决问题的过程中，帮助学员掌握真正过硬的解决业务问题的数据挖掘能力。点击预约免费试听课。
