数据挖掘导论

20世纪60年代，从文件处理演化到数据库系统；

20世纪70年代，演化到关系数据库，联机事务处理（OLTP）将查询看做只读事务；

80年代中期到现在，研究分布性、多样性和数据共享等问题，还有基于Internet的全球信息系统；

80年代后期到现在，出现的数据库结构是 数据仓库，可将多个一种数据源在单个站点以统一的模式组织存储；数据仓库技术包括 数据清理、数据集成 和 联机分析处理（OLAP）；数据仓库通过数据处理、数据变换、数据集成、数据装入、和定期数据刷新来构造；

90年代到现在，基于Web的数据库系统，基于XML的数据库系统和Web挖掘；

有趣的模式表示知识。模式兴趣度的客观度量有 规则的支持度（support）（满足规则的样本百分比）和置信度（confidence）（规则成立的条件概率P(Y|X) ），通常与阈值关联。

数据挖掘研究还发表在 数据库、统计学、机器学习和数据可视化 的杂志上。

据统计 在一个完整的数据挖掘过程中 数据预处理要花费 60%左右的时间 而后的挖掘工作仅占总工作量的 10%左右 数据预处理主要包括数据清理，集成和归约 . 

数据清理是处理数据中的遗漏和清洗脏数据 .

数据集成将多数据源中的数据进行合并处理 解决语义模糊性并整合成一致的数据存储 . 

数据归约将辨别出需要挖掘的数据集合 缩小处理范围 .