1、数据挖掘的基本任务

数据挖掘的基本任务包括利用分类与预测、聚类分析、关联规则、时序模式、偏差检测、智能推荐等方法，帮助企业提取数据中蕴含的商业价值，提高企业的竞争力。

2、数据挖掘建模过程

1.定义挖掘目标
针对具体的数据挖掘应用需求，首先要明确本次的挖掘目标是什么？系统完成后能达到什么样的效果？因此，我们必须分析应用领域，包括应用中的各种知识和应用目标，了解相关领域的情况，熟悉背景知识，弄清用户需求。

2.数据取样
衡量取样数据质量的标准如下。
1） 资料完整无缺，各类指标项齐全。
2） 数据准确无误，反映的都是正常（而不是异常）状态下的水平。

数据抽样的方式：
1）随机抽样
2）等距抽样
3）分层抽样
4）从起始顺序抽样
5）分类抽样

3.数据探索
数据探索主要包括：异常值分析、缺失值分析、相关分 析和周期性分析等。

4.数据预处理
数据预处理主要包括：数据筛选、数据变量转换、缺失值处理、 坏数据处理、数据标准化、主成分分析、属性选择、数据规约等。

5.挖掘建模
接下来要考虑的问题是：本次建模属于数据挖掘应用中的 哪类问题（分类、聚类、关联规则、时序模式或者智能推荐），选用哪种算法进行模型构建。

6.模型评价
模型评价的目的之一就是从这些模 型中自动找出一个最好的模型，另外就是要根据业务对模型进行解释和应用。

3、常用的数据挖掘建模工具