数据挖掘是检索和识别结构化数据库中存

储的数据中有效、有用、潜在和易于理解的数据的过程。在数据挖掘中，数据是最重要的元素，可以包括软数据或非结构化数据。数据挖掘过程经常使用统计方法、数学，甚至利用人工智能技术。数据挖掘还有其他名称，即知识提取、模式分析、知识发现、信息收获、模式搜索、数据挖掘等。

在数据挖掘中据挖掘的数据源往往是的数据仓

库。数据挖掘环境通常也是客户端-服 英国 WhatsApp 号码数据 务器或基于Web 的信息系统架构。 数据挖掘具有功能，即描述功能和预测功能。数据挖掘中的描述性功能是更多地了解观察到的数据，然后找到数据中隐藏的模式。数据挖掘中的预测函数是一个过程如何从数据中找到某些模式的函数，然后可以使用这些模式来预测其值或类型未知的其他变量。因此，可以说数据挖掘的目标是在大量数据中找到隐藏的模式。这里将讨论用于预测分析的数据挖掘。

用于预测分析的数据挖掘的目标是找到数据中有用的

隐藏模式，然后将其用于执行 DT 引线 预测分析。即分析数据以发现新的、意想不到的关系，例如哪些模式与信用卡盗用案件相匹配（解释性）。数据挖掘可用于检测欺诈。例如，信用卡交易中的欺诈可以检测到信用卡交易不是由信用卡所有者而是由其他人执行的。除此之外， 数据挖掘的工作方式是提取数据中的模式。这里的模式是指数据项之间的数学关系，无论是数字关系还是符号关系。