热门文章 数据挖掘是识别各种类型数据的活动。从数据库中存储的大量数据中，识别数据，寻找可能的模式或其他被认为有可能产生可供拥有数据库的组织或公司使用的东西的东西。数据挖掘本身有多种方法可以使用，即KDD、CRISP-DM、SEMMA等。每个流程都有不同的方法来搜索组织数据库中的重要信息。在本文中，我们将讨论数据库过程中的 KDD 或知识发现。
数据库过程中的知识发现
（KDD）是一种可用于进行数据挖掘的方法。法耶德等人。(1996)将KDD定义为使用数据挖掘方法搜索有价值的信息、数据中的模式的过程，其中涉及识 别数 法国电话号码数据 据中的模式的算法。Dunham（2003）从各个步骤总结了KDD过程，即：数据选择、数据预处理、数据转换、数据挖掘以及最后的解释和评估。下面是对KDD过程的详细图解和解释： 图1.1 数据清理，处理数据然后选择被认为可用的数据的过程。 数据集成，将重复的数据合并为一个的过程。 选择，选择或选择被认为与分析相关的数据的过程。
数据转换将选定数据转换为挖掘过
程的过程。 数据挖掘，使用各种技术提取潜在模式以产生有用数据的过程。 模式演化，根据给定的度量来识别模式的过程。知识呈现是KDD过程的最后一个过程，将处 英国电话号码 理后的数据可视化，以便用户更容易理解，并希望能够根据分析采取行动。 这是 KDD 数据挖掘过程的概述和解释。数据挖掘只是数据挖掘中可以使用的多种方法之一。正如一开始所解释的，KDD 过程的目的是发现从数据库中获取的数据的潜力，随后通过模式进行研究，然后进行分析和可视化，以便用户易于理解。
