数据挖掘建模和算法区别 数据挖掘建模是一个过程，一般通过数据行业理解、数据预处理、算法选取、测试评估、部署应用这几个环节，算法是一种的模块，现在的大数据挖掘并不在算法而在数据。数据挖掘建模可以称为一个手段，一整套方案，来实现目标，它是个大方向；用决策树建模可以认为是比较具体的策略，套路，但是也包含了很多细致的算法；
数据挖掘基本步骤 数据挖掘完整2113的步骤① 理解数据和数据的来5261源② 获取相4102关知识与技术③ 整合与检1653查数据④ 去除错误或不一致的数据⑤ 建立模型和假设⑥ 实际数据挖掘工作⑦ 测试和验证挖掘结果⑧ 解释和应用数据挖掘牵涉了大量的准备工作与规划工作，事实上许多专家都认为整套数据挖掘的过程中，有80%的时间和精力是花费在数据预处理阶段，其中包括数据的净化、数据格式转换、变量整合，以及数据表的链接。
数据挖掘流程，介绍数据挖掘的整个流程。ETHINK数据挖掘平台 方法/步骤 1 数据取样。明确哪些数据源可用，哪些数据与当前挖掘目标相关？如何保证取样数据的质量？。
数据挖掘的经典算法 1.C4.5：是机器学习算法中的一种分类决策树算法，其核心算法是ID3算法。2.K-means算法：是一种聚类算法。3.SVM：一种监督式学习的方法，广泛运用于统计分类以及回归分析中4.Apriori：是一种最有影响的挖掘布尔关联规则频繁项集的算法。5.EM：最大期望值法。6.pagerank：是google算法的重要内容。7.Adaboost：是一种迭代算法，其核心思想是针对同一个训练集训练不同的分类器然后把弱分类器集合起来，构成一个更强的最终分类器。8.KNN：是一个理论上比较成熟的的方法，也是最简单的机器学习方法之一。9.Naive Bayes：在众多分类方法中，应用最广泛的有决策树模型和朴素贝叶斯（Naive Bayes）10.Cart：分类与回归树，在分类树下面有两个关键的思想，第一个是关于递归地划分自变量空间的想法，第二个是用验证数据进行减枝。关联规则规则定义在描述有关关联规则的一些细节之前，我们先来看一个有趣的故事：尿布与啤酒的故事。在一家超市里，有一个有趣的现象：尿布和啤酒赫然摆在一起出售。但是这个奇怪的举措却使尿布和啤酒的销量双双增加了。这不是一个笑话，而是发生在美国沃尔玛连锁店超市的真实案例，并一直为商家所津津乐道。沃尔玛拥有世界上最大的数据仓库系统，。
数据挖掘有哪些算法啊？？ 算法有很多阿，比如神经网络，遗传算法，回归算法，聚类分析算法，贝耶斯算法
