只不过排序的作。例如，反复光顾超市的顾客。 预测 该函数的目的是根据大量数据的模式来估计未来某个时间的值。例如，市场需求预测。 数据挖掘目标 每个数据挖掘过程都有自己的目标，以下是数据挖掘的目标： 解释性（解释手段） 数据挖掘是解释条件的一种方法。举个具体的例子，为什么印尼的口罩售价在上涨。当然，要找出原因，需要收集数据挖掘结果得到的数据。
数据挖掘是澄清陈述或证实假设的
确认（确认）一种手段。例如，中上经济水平的人更喜欢购买汽车而不是摩托车。 探索性（探索性） 数据挖掘是一种可用于搜索以前未检测到的新模 商务电话列表 式的工具。一个例子是与凶手针对单独居住在公寓中的人（即使受害者与犯罪者没有接触）的原因相关的模式。 数据挖掘方法 数据收集过程 数据清理 从数据集合中删除不完整、包含错误和不一致的数据的过程。还要了解数据生命周期管理以了解数据处理。 数据整合 组合可重复事物的数据集成过程。 选择 从现有数据集合中选择或选择与要接受的分析相关的数据的过程。
数据转换 通过方法和数据侵略将选定的
数据转换为挖掘程序的过程。 数据挖掘 最重要的过程是应用各种技术来提取各种潜在模式以获得有用的数据。 模式演变 先前通过基于给定测量的识别来发现有 CZB目录 趣模式的过程 知识呈现 这是该过程的最后阶段，在这种情况下，使用可视化技术，旨在帮助用户理解和解释数据挖掘的结果。
