1.       为什么数据挖掘是重要的？主要是由于存在可以广泛使用的大量数据，并且迫切需要将这些数据转换成有用的信息和知识，以将其广泛用于市场分析、欺诈检测、顾客保有、产品控制和科学探索等。       2.       数据挖掘系统的一般结构知识发现过程由以下步骤组成：（1）       数据清理——消除噪声和不一致数据；（2）       数据集成——可将多重数据源组合在

Ø         大量数据中的频繁模式、关联和相关关系的发现，在选中市场、决策分析和商务关联方面是有用的。一个流行的应用领域是购物篮分析，通过搜索经常一块（或依次）购买的商品的集合，研究顾客的购买习惯，以发现一些隐藏的、有趣的规则。典型的如顾客购买啤酒的时候很有可能会购买尿布。关联规则挖掘首先找出频繁项集（项的集合，如A和B，满足最小支持度阀值，或任务相关元组的百分比），然后，由它们产生形如

 什么是分类和预测？分类和预测具有大量应用，包括欺诈检测、针对销售、性能预测、制造和诊断。例如，可以建立一个分类模型，对银行贷款应用的安全或风险进行分类（那些贷款申请者是“安全的”，，银行的“风险”是什么）；也可以建立预测模型，给定潜在顾客的收入和职业，预测他们在计算机设备上的花费。市场经理需要数据分析，以便帮助他来猜测具有某些特征的顾客是否会购买一台新的计算机；医学研究者希望分析乳腺