数据挖掘的主要任务有哪些

基本任务数据挖掘的任务主要是关联分析、聚类分析、分类、预测、时序模式和偏差分析等。 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。

FineBI数据挖掘的结果将以字段和记录的形式添加到多维数据库中，并可以在新建分析时从一个专门的数据挖掘业务包中被使用，使用的方式与拖拽任何普通的字段没有任何区别。 配合FineBI新建分析中的各种控件和图表，使用OLAP的分析人员可以轻松的查看他们想要的特定的某个与结果，或是各种各样结果的汇总。

数据挖掘(Data Mining)的定义是通过分析每个数据，从大量数据中寻找其规律的技术，主要有数据准备、规律寻找和规律表示3个步骤。 数据挖掘的任务有关联分析、聚类分析、分类分析、异常分析、特异群组分析和演变分析等。

数据挖掘的预测建模任务主要包括以下几大类问题：1.分类问题：将数据分成不同的类别，例如将客户分为高、中、低价值客户，或将电子邮件归类为垃圾邮件和非垃圾邮件等。 2.回归问题：预测一个连续的数值，例如预测股票价格、销售额、房屋价格等。