数据挖掘算法，常用的挖掘算法都以什么为主

一、数据挖掘的方法有哪些

数据挖掘的方法：

1.分类（Classification）

2.估计（Estimation）

3.预测（Prediction）

4.相关性分组或关联规则（Affinitygroupingorassociationrules）

6.复杂数据类型挖掘(Text，Web，图形图像，视频，音频等)数据挖掘数据挖掘（英语：Datamining），又译为资料探勘、数据采矿。它是数据库知识发现（英语：Knowledge-DiscoveryinDatabases，简称：KDD)中的一个步骤。数据挖掘一般是指从大量的数据中自动搜索隐藏于其中的有着特殊关系性（属于Associationrulelearning）的信息的过程。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。

二、简述一种数据挖掘方法并说明它的应用

数据挖掘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、专家系统和模式识别等诸多方法来实现上述目标。

人们迫切希望能对海量数据进行深入分析，发现并提取隐藏在其中的信息，以更好地利用这些数据，正是在这样的条件下，数据挖掘技术应运而生。

数据挖掘有很多合法的用途，例如可以在患者群的数据库中查出某药物和其副作用的关系。这种关系可能在1000人中也不会出现一例，但药物学相关的项目就可以运用此方法减少对药物有不良反应的病人数量，还有可能挽救生命。

扩展资料

目前数据挖掘的算法主要包括神经网络法、决策树法、遗传算法、粗糙集法、模糊集法、关联规则法等。

根据信息存储格式，用于挖掘的对象有关系数据库、面向对象数据库、数据仓库、文本数据源、多媒体数据库、空间数据库、时态数据库、异质数据库以及internet等。

数据挖掘过程是一个反复循环的过程，每一个步骤如果没有达到预期目标，都需要回到前面的步骤，重新调整并执行。不是每件数据挖掘的工作都需要这里列出的每一步。

三、如何系统地学习数据挖掘

理论学习：线性代数→高等数学→概率论→数理统计→数据挖掘十大算法

软件学习：Excle→SPSS→Python(或者R)→Spark

视频网站：慕课网、实验楼、天善学院等

案列实战：github上面搜一些源码学习、还有参加一些竞赛(kaggle、数据城堡、科赛、阿里天池、数睿思等)