在软件选项和理论概念中使用了多种不同的数据挖掘方法。这些方法允许用户使用各种工具从个人和公司收集的数据中提取信息。大量数据可用于确定单个主题或多个主题中的各种因素。这些数据挖掘方法最常用于欺诈保护、营...
在软件选项和理论概念中使用了多种不同的数据挖掘方法。这些方法允许用户使用各种工具从个人和公司收集的数据中提取信息。大量数据可用于确定单个主题或多个主题中的各种因素。这些数据挖掘方法最常用于欺诈保护、营销和监控领域。

,数据挖掘方法的概念是为了在收集到的大量数据中发现隐藏的模式。
几百年来,数据挖掘方法一直用于从主题中提取信息。然而,现代技术,使用自动化概念通过计算机资源提供大量数据。随着计算机科学在20世纪兴起,为了克服收集到的大量数据中隐藏的模式而开发的数据挖掘方法的概念。这方面的一个很好的例子是,一家广告公司分析了一位在线客户的购物模式。然后,该公司就可以销售个人可能感兴趣购买的某些产品。

各种数据挖掘方法使用户能够从个人或公司收集的原始数据中提取信息。
行业中常用的一种数据挖掘技术称为知识发现在1989年由格雷戈里·皮亚特斯基·夏皮罗(Gregory Piatetsky Shapiro)开发的数据库(KDD)中,KDD允许用户处理原始数据,分析所需数据的信息并解释结果然而,在通常的数据挖掘方法中,
一般的分类方法都是不精确的,分类和关联。
分类将现有的信息合并到定义的分组中。
聚类删除定义的分组,并允许数据按相似项进行自我分类。
回归关注信息的功能,在概念上对数据进行建模。最终的数据挖掘方法,
association,试图找到不同数据源之间的关系。
在使用各种数据挖掘方法时,某些标准被用来确定哪些参数可以在这个过程中使用。计算机械协会的知识发现和数据挖掘特别兴趣小组(SIGKDD)每年举行一次会议,确定哪些过程是合适的。伦理因素与实际应用一起被权衡,以找出最佳的有关个人和公司的信息。这些信息发表在一份名为
SIGKDD Explorations的行业杂志上。