一、数据挖掘产生的背景
1、从数据分析看数据
政治算法、概率论与数理统计、数据挖掘
2、主要原因催生数据挖掘
海量数据的分析需求
应用对理论的挑战
大数据的特征
3V——Volume（海量）、Variety（多样）、Velocity（实时）
海量——数据量巨大，对TB、PB数据级的处理，已经成为基本配置。
多样——处理多样性的数据类型，结构化数据和非结构化数据，能处理Web数据，能处理语音数据甚至是图像、视频数据。
实时——在客户每次浏览页面，每次下订单的过程中都存在，都会需要对用户进行实时的推荐，决策已经变得实时。
二、什么是数据挖掘
数据挖掘（Data Mining）是从海量数据中抽取潜在的，不为人知的有用信息、模式和趋势。
（模式——标志了事物之间隐藏的规律关系）
数据挖掘过程必须是自动的或半自动的（用计算机）
数据的总量总是相当可观的，但从中发现的模式必须是有意义的，并能产生一些效益，通常是经济上的效益。
三、数据挖掘算法
从学习过程的类型划分：有指导的学习算法；无指导的学习算法。
有指导学习。
是指有结果度量（Outcome Measurement）的指导学习过程。
根据一组特征（Features）对结果度量进行预测。
通过学习已知数据集的特征和目标变量建立起预测模型。
根据目标变量是定性还是定量通常分为分类和回归。
无指导学习
在数据中探寻新的模式
归纳和总结数据
常见的数据挖掘算法
（1）分类预测算法
1、决策树算法：
C4.5、C5.0、CART、CHAID、QUEST
2、BP算法
3、回归分析方法
线性回归分析、Logistic回归
（2）探寻内部结构的算法
1、关联规则分析
Apriori算法、序列关联
2、聚类分析
K-means聚类、谱系聚类、两步聚类、Kohonen聚类