摘要:主要介绍了数据挖掘的产生、发展、定义和任务，讨论了常用的挖掘方法和工具，最后举例介绍了数据挖掘的一些应用.关键词:数据挖掘;知识发现;决策树Abstract:Th isp aperin troducedt heb irth,th ed evelopment,th ec oncepta ndt het asko fd atamining.methods and tools of data mining in cmmon use.In the end, the author introduced some applications of example.Key words:data mining; KDD(knowledge discovery in database);decision tree数据挖掘技术的由来及其发展当今 数 据 容量规模已经达到万亿字节(TB)的水平，被人们称为信息爆炸，这些过量的数据引起的挑战是:一方面规模庞大、纷繁复杂的数据体系让使用者漫无头绪、无从下手;另一方面在这些大量数据的背后却隐藏着很多具有决策意义的有价值的信息.目前的数据库系统可以高效地实现数据的录人、查询、统计等功能，但无法发现数据中存在的关系和规则，无法根据现有的数据预测未来的发展趋势.缺乏挖掘数据背后隐藏的知识的手段，导致了“数据爆炸但知识贫乏”的现象.那么，如何发现这些有用的知识，使之为管理决策和经营战略发展服务?计算机科学给出的最新回答是:数据挖掘(Data Mining).数据 挖 掘 (DataM ining)一词是在1989年8月于美国底特律市召开的第十一界国际联合人工智能学术会议上正式形成的，常常与KDD (KnowledgeDiscovery in Database)混用.从1995年开始，每年主办一次KDD国际学术会议，将KDD和DM (DataMining)方面的研究推向了高潮，从此，“数据挖掘”一词开始流行.在中文文献中，DM有时还被翻译为“数据采掘”、“数据开采”、“数据发掘”等.数据 挖 掘 其实是一个逐渐演变的过程，电子数据处理的初期，人们就试图通过某些方法来实现自动决策支持，当时机器学习成为人们关心的焦点.机器学习的过程就是将一些已知的并已被成功解决的问题作为范例输人计算机，机器通过学习这些范例总结并生成相应的规则，这些规则具有通用性，使用它们可以解决某一类的问题.