数据挖掘的基本概念：数据库、数据仓库、机器学习，统计学

“数据挖掘“(Data Mining)又被称为“数据中的知识发现”（KDD），顾名思义，也就是通过数据清理、数据集成、数据选择、数据变换、数据挖掘、模式评估、知识表示等一些列步骤，对数据进行分类、聚类，发现其中的关联关系或者离群点，来发现新的知识。

1、数据类型

上世纪70-80年代，“数据库”技术的发展而产生的数据库管理系统，方便用户进行关系型的数据管理，用户可以进行SQL查询等数据操作，关系型数据库实际上就是二维表；然而对于大型的跨地域公司，要汇总各个地方数据库却不容易，于是就产生了“数据仓库”，数据仓库将数据库的数据进行整合，下钻（drill down）和上卷（roll up）操作可以得到详细信息和汇总信息，由此诞生了高级数据库系统和高级数据分析， 数据仓库可以看做是数据立方体（Data Cube）。20世纪90年代，万维网迅速发展，各式各类的数据类型出现，时间序列数据、超文本和多媒体数据（图片、视频、声音），空间数据（地图），网状数据（社会关系网络）等各种复杂的非结构化数据，总之，可以大致的将数据挖掘的数据类型分为以下几类：
（１）数据库 数据
数据库系统，又称为数据库管理系统（DBMS），是一种关系型数据库，又不同的表组成，每一个表有一个唯一的“关键字标识”来表示一个对象，每个对象有又若干属性，每个对象及其属性构成一个“元组”。

表１.１　一个二维表
对于一个学生关系表，学号是唯一的“关键字标识”，姓名、性别、院系、年级都是属性，每一行都是一个“元组”。
（２）数据仓库　数据