小楊188--337--57327,

數據挖掘就是從龐大的數據庫中抽取轉換分析一些潛在規律和價值，從中獲取決策的關鍵信息和有用知識。分析方法是數據挖掘的核心工作，通過科學可靠的算法才能實現數據的挖掘，找出數據中潛在的規律。

  不同的分析方法將解決不同類型的問題，在現實中針對不同的分析目標，找出相對應的方法常用的分析方法聚類分析聚類分析就是將物理或抽象對象的進行分組，然后組成為由類似或相似的對象組成的多個分類的分析過程，。

  這不同于分類，因為它無法獲知對象的屬性。物以類聚，人以群分，通過聚類來分析事物之間類聚的潛在規律。聚類分析廣泛運用于心理學統計學，注漿管生物學市場銷售數據識別機器智能學等領域。聚類分析根據隸屬度的取值范圍可分為硬聚類和模糊聚類兩種方法。

  硬聚類就是將對象劃分到距離聚類的類，非此即彼，也就是說屬于一類，就必然不屬于另一類。模糊聚類就是根據隸屬度的取值范圍的大小差異來劃分類，一個樣本可能屬于多個類。常見的聚類算法主要有密度聚類算法層次格聚類算法模型聚類算法等分類和分類和數值是問題的兩種主要類型。

  分類是分類離散無序的標 ，面則是建立連續值函數模型。分類是數據挖掘的重要基礎，它針對已知的訓練數據集出來的特性，每個類別的描述或屬性來構造相應的分類器或者分類。分類是一種有的學過程，它是根據訓練數據集發現準確描述來劃分類別的。