数据挖掘实际上是个“古老”的技术，已经有几十年历史了，近年来红火的人工智能又让这个古老技术有了更多关注。html
那么，到底什么是数据挖掘呢？它又能作什么事呢？函数
傍晚小街路面上沁出微雨后的湿润，和煦的细风吹来，抬头看看天边的晚霞，嗯，明天又是一个好天气。走到水果摊旁，挑了个根蒂蜷缩、敲起来声音浊响的青绿西瓜，内心期待着享受这个好瓜。学习
由路面微湿、微风、晚霞得出明天是个好天气。根蒂蜷缩、敲声浊响、色泽青绿推断出这是个好瓜，显然，咱们是根据以往的经验来对将来或未知的事物作出预测。人工智能
人能够根据经验对将来进行预测，那么机器能帮咱们作这些吗？url
能，这就是数据挖掘。.net
“经验”一般以“数据”的形式存在，数据挖掘的任务就是从历史数据（以前挑瓜的经历，注意是经历还不是经验）中挖掘出有用的“知识”，也就是所谓“模型”（如今就造成经验了），在面对新状况时（未抛开的瓜）模型就能够用来预测（是否是好瓜）。htm
用高中生能理解的数学语言来说，数据挖掘建模任务的本质就是，根据一些历史已有的、从输入空间 X（如 {[色泽青绿；根蒂蜷缩；敲声浊响]，[色泽乌黑；根蒂蜷缩；敲声沉闷]，[色泽浅白；根蒂硬挺；敲声清脆]} ）到输出空间 Y（如 {好瓜，坏瓜，坏瓜}）的对应，找出一个函数 f： 这个函数就是咱们要的模型。有了模型以后再作预测就简单了，也就是拿一套新 x，用这个函数算一个 y 出来就完了。blog
那么，模型又是怎么创建出来，也就是这个函数是怎么找出来的呢？get
想一想如何让一我的拥有判断瓜好坏的能力呢？数学
须要用一批瓜来练习，获取剖开前的特征（色泽、根蒂、敲声等），而后再剖开它看好坏。长此以往，这我的就能学会用剖开前瓜的特征来判断瓜的好坏了。朴素地想，用来练习的瓜越多，可以得到的经验也就越丰富，之后的判断也就会越准确。
用机器作数据挖掘是同样的道理，咱们须要使用历史数据（用来练习的瓜）来创建模型，而建模过程也被称为训练或学习，这些历史数据称为训练数据集。训练好了模型后，就好象发现了数据的某种规律，就能够拿来作预测了。
也就是说，数据挖掘是用来作预测的，而要作到这种预测，须要有足够多已经有结果的历史数据为基础。
那么，这种预测技术如何在咱们的生产销售过程当中应用呢？
以贷款业务为例，金融机构要作风险控制，防止坏账，就要在放贷前知道这个贷款人未来不能按时还款的风险，从而决定是否放贷以及贷款利率。
要作到这件事，咱们要有必定数量的历史数据，也就是之前贷款人及贷款业务的各类信息，好比贷款人的收入水平、受教育程度、居住地区、信用历史、负债率等等可能会影响违约率的因素，还有贷款自己的金额、期限、利率等等。须要注意的是历史数据中必定要同时包含好客户和坏客户（也是在发生违约不还款的客户），而且坏客户的数量不能过少。
一般能够截取近几个月或近一年的历史数据做为训练数据，定义好目标变量 Y（如坏客户为 1，好客户为 0），而后就可使用数据挖掘技术创建模型来寻找用户及贷款的各类信息 X 和目标 Y 之间的关系。建好的模型能够用来预测，及时发现高风险用户。
须要说明的，数据挖掘模型的预测并不能保证 100% 准确（有不少种办法来评估它的准确率），因此若是只有一例目标（好比只有一笔贷款）须要预测时，那就没有意义了。但一般，咱们会须要都会有不少例目标须要预测，这样即便不是每一例都能预测正确，但能保证必定的准确率，这仍然是颇有意义的。对于贷款业务，模型找出来的高风险客户未必都是真地，但准确率只要足够高，仍然可以有效的防范风险。
数据挖掘技术能够普遍地应用于各行各业，工业领域中能够根据历史生产数据来预测良品状况，从而改进工艺参数下降不良率；畜牧业可使用数据挖掘技术根据测量牲畜体温来预测牲畜是否生病，从而提早防治；医院也可使用历史医疗记录基于数据挖掘技术找出关联规律，帮助医生更好地诊断疾病。
对进一步数据挖掘和 AI 技术感兴趣的同窗还能够搜索“乾学院”，上面有面向小白的零基础“数据挖掘”免费课程，或者直接点下面的连接也能够 ：
http://www.raqsoft.com.cn/wx/course-data-mining.html