数据挖掘在科学和研究等多个领域都有应用。这是基于可能结果的预测。它着重于最后一个数据集。数据挖掘是从数据中挖掘知识的过程。如此提取的知识可以用于以下任何应用程序，例如生产控制，市场分析，科学探索。数据挖掘是一种搜索大型数据存储以发现模式的实践。它的趋势超出了简单分析的范围。数据挖掘也称为知识。它着重于最后的数据集和数据库以及可操作信息的创建。它是模式的自动发现。
数据挖掘处理的是一种可以挖掘的模式。这些类别包括描述性，分类，预测，聚类分析，进化分析。
- 知识库 ：
知识库是领域语言。它用于指导结果模式的搜索和趣味性。它是知识介绍，数据集成等。 - 数据转换：
通过执行摘要操作，数据将转换为适合挖掘的形式。 - 集群：
到一组类似种类的物体。聚类形成彼此非常相似的对象组。 - 数据清理：
这是为数据挖掘活动准备数据的过程。应用于删除数据并纠正一致性的技术是数据。它作为数据预处理步骤执行。 - 数据选择：
从数据中检索与分析任务相关的数据的过程。 - 数据整合：
数据集成是数据处理技术。我们使用它来合并来自多个异构数据的数据。 - 用户界面 ：
它可视化了数据挖掘系统模块中的模式，该模式有助于用户和数据之间的通信。它提供信息以帮助集中搜索。 - 数据 ：
它定义为事实，交易和数据。 - 图形用户界面：
图形用户界面。 - 数据挖掘 ：
它从青年数据集中提取信息。该信息用于以下应用市场分析，科学探索，生产控制。 - 协会：
这是一种算法。创建描述事件如何一起发生的规则。 - 分类 ：
它提到了数据挖掘问题。通过建立模型来预测分类数据的类别。它必须基于一些预测变量。 - 连续的 ：
它可以在实数间隔内具有任何值。该值不必是整数，连续的是相反的类别。 - 数据库管理系统：
数据库管理系统。 - 相互作用 ：
当两个自变量的兴趣和一个值的变化改变时，对另一个变量的因变量产生影响。