数据发掘的分析方法可以分为两类，你们知道是哪两类吗？

数据发掘的分析方法可以分为两类，你们知道是哪两类吗？
数据发掘(data mining)，就是从存放在数据库、数据仓库或其他信息库中的大量的数据中获取有效的、新颖的、潜在有用的、最终可了解的形式的非伟大过程。

在人工智能范畴，习气上又称为数据库中的知识发现(knowledge discovery in database，KDD)，也有人把数据发掘视为数据库中知识发现过程的一个基本步骤。知识发现过程由以下三个阶段组成:①数据预备;②数据发掘;③结果表达和解释。数据发掘可以与用户或知识库交互。

并非一切的信息发现义务都被视为数据发掘。例如，运用数据库管理系统查找个别的记录，或经过互联网的搜索引擎查找特定的Web页面，则是信息检索(information retrieval)范畴的义务。虽然这些义务是重要的，能够触及运用复杂的算法和数据结构，但是它们次要依赖传统的计算机迷信技术和数据的分明特征来创建索引结构，从而有效地组织和检索信息。虽然如此，数据发掘技术也曾经用来加强信息检索系统的才能。

数据发掘的分析方法可以分为两类:直接数据发掘和间接数据发掘。

(1)直接数据发掘:目的是应用可用的数据建立一个模型，这个模型对剩余的数据，即一个特定的变量(可以了解成数据库表的属性，即列)停止描画。
(2)间接数据发掘:目的中没有选出某详细的变量用模型停止描画，而是在一切的变量中建立起某种关系。

撸过

LZ是天才，坚定完毕