前几天，询问预测模型，我面对的是一个有关这些车型是否是纯数据挖掘或统计模型的一个简单的推导问题。有趣的是，这一切质疑的数学模型或分期是必不可少的支持和帮助的物理和化学科学，它们也为数据挖掘支持。如果我们做数据挖掘的精确定义，分公司将KDD的过程，研究的数据的行为，绘制数学和统计模型和迭代算法，解释并赋予意义的信息进行决策。
今天的数据挖掘是用于在不同的行业，以便能够解决的预测，分类和分割的问题，作为对理解所研究的区域是非常有用的，但是，专供某些部门的工具。由于涉及建筑模型的成本高，这些技术和工具已成为遥不可及的一些组织，特别是当世界经济处于衰退。
由于后者，最终的数据挖掘也不会变得必不可少的组织，但因为这种技术可以帮助我们了解，给我们的眼光去我们想去的地方去，或者我们想要实现的，它成为必不可少的管理者采取这一技术作为照亮该组织的路径的工具。
随着数据挖掘的视野绝对是曙光为整个组织（或大或小），对DM（数据挖掘）年底将提供必要的指引，本组织必须走，避免迷失在这个大漩涡经济的跌宕起伏，就像KDD过程直接相关的AI（人工智能）：
KDD与人工智能的关系
1.自然语言提出采矿自由文本格式显著的机会，专门用于自动注释和索引预编译的文本分类。有限的分析功能可以帮助大幅决定哪些项目涉及的任务。因此，频谱从简单的自然语言处理一路语言的理解能够帮助很大。因此，自然语言处理可以作为显著提供援助由KDD系统衍生挖掘算法和可视化，并解释知识的有效衔接作出贡献。
2.规划过程中会考虑复杂的数据分析。这涉及到数据访问和转换复杂的操作，应用程序预处理的行为，在某些情况下，要注意资源约束和数据访问。典型地，该步骤用于处理数据均以术语的期望的后和对于某些例程应用预条件，这难以达成被表示为规划问题。此外，规划可在自动化代理中发挥重要作用的能力，以收集数据的样品或进行搜索所需的数据集。
3.智能代理可以发射到收集来自各种来源的必要信息。另外，信息代理可以远程激活过网或触发特定事件的发生，并开始新的扫描操作。最后，代理可以帮助定位和塑造WWW，日益重要的另一个领域。
4.在不确定性人工智能问题，包括应对不确定性，不确定性和推理的机会存在相应的推理机制，所有基本以KDD的理论和实践。5.知识表示包括本体，一个新的概念来表示，组织和访问知识。也包括约占由KDD系统的基本工艺知识和人类使用先验知识的方案。
以及数据挖掘涉及到数学，统计学和物理，我认为数据挖掘技术在当今世界上真正的地平线，它应该被描述为一个精确的科学，今天要帮助世界。
转载请注明：数据分析 » 数据挖掘的地平线_数据挖掘的意义
