数据挖掘在科学和研究等多个领域都有应用。它是基于可能结果的预测。它的重点是最后一个数据集。数据挖掘是从数据中挖掘知识的过程。如此提取的知识可用于以下任何应用，例如生产控制、市场分析、科学探索。数据挖掘是搜索大量数据以发现模式的实践。它的趋势超越了简单的分析。数据挖掘也称为知识。它侧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。
数据挖掘处理一种可以挖掘的模式。有描述性、分类、预测、聚类分析、进化分析等类别。
- 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。是知识展示、数据整合等。 - 数据转换：
通过执行汇总操作，数据被转换为适合挖掘的形式。 - 集群：
到一组相似类型的对象。集群形成一组彼此非常相似的对象。 - 数据清洗：
它是为数据挖掘活动准备数据的过程。用于去除数据和纠正一致性的技术在数据中。它作为数据预处理步骤执行。 - 数据选择：
这是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。我们用它来合并来自多个异构数据的数据。 - 用户界面 ：
它将数据挖掘系统模块中的模式可视化，帮助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、交易和数字。 - 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。此信息用于以下应用市场分析、科学探索、生产控制。 - 协会：
它是一种算法。创建描述事件如何结合在一起的规则。 - 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 ：
它可以在实数区间内具有任何值。该值不必是整数连续是相反的分类。 - 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会改变对另一个因变量的影响。