数据分析和挖掘详细介绍

对象上：数据分析往往是针对数字化的数据，而数据挖掘能够采用不同类型的数据，比如声音，文本等。 结果上：数据分析对结果进行解释，呈现出有效信息，数据挖掘的结果不容易解释，对信息进行价值评估，着眼于预测未来，并提出决策性建议。

1、关联分析 association analysis关联规则挖掘由Rakesh Apwal等人首先提出。 两个或两个以上变量的取值之间存在的规律性称为关联。 数据关联是数据库中存在的一类重要的、可被发现的知识。 关联分为简单关联、时序关联和因果关联。 关联分析的目的是找出数据库中隐藏的关联网。

1.1 数据挖掘的兴起 1.1.1 数据丰富与知识匮乏 对信息进行再加工，即进行更深入的归纳分析，从信息中理解其模式，方能获得更有用的信息，即知识。 在大量知识积累基础上，总结出原理和法则，就形成了所谓智慧。

数据挖掘一般是指从大量的数据中通过算法搜索隐藏于其中信息的过程。 数据挖掘通常与计算机科学有关，并通过统计、在线分析处理、情报检索、机器学习、专家系统(依靠过去的经验法则)和模式识别等诸多方法来实现上述目标。

1,数据分析可以分为广义的数据分析和狭义的数据分析，广义的数据分析就包括狭义的数据分析和数据挖掘，我们常说的数据分析就是指狭义的数据分析。 2,数据分析（狭义）：定义：简单来说，数据分析就是对数据进行分析。