1）数据挖掘的一种定义
是一项通过探測大量数据以发现有意义的模式和规则的业务流程。
数据挖掘是一种业务流程，它以其他业务流程产生的大量数据为输入，一般经过收集，清洗，整理。识别、分析和度量等加工，得到某种有意义的模式或规则作为输出。
而这样的输出反过来能够为其他业务流程提供度量，推断，预測等作用。
数据挖掘的基础是大量的数据，不同的挖掘方法和目的对于数据量的要求会有所不同。但一般而言，都是数据越多越好。对于数据挖掘而言，全部数据都是实用的。但对于某种具体的挖掘任务，就须要识别有效数据和无效数据。这就是数据清理的基本目的。
数据挖掘的过程并非单线的，非常多时候都须要不停地迭代。
发现有意义的模式和规则是数据挖掘的根本目的。这里的模式和规则能够是一种关联（比方身高和饮食，销量与季节等），趋势（比方人口增长趋势，销量趋势）。
一般来讲，依据数据总能够找到一种模式或者规则（对于有限的样本数据总能够找到一种拟合函数），因此必须寻找有意义的模式或规则。这里的有意义是指能够给我们的其他业务过程提供“实用“的帮助。
在数据挖掘过程中，每一个环节事实上都带有非常大的主观性。由于数据量大，数据维度多，数据所包括的信息取决于人的视角，要穷尽全部的可能是不现实的，因此取舍在数据挖掘过程中非常重要。
正由于数据挖掘的特殊性，非常多时候我们都希望能得到某种通用的模式。这当然是无可厚非的事情。
但由于数据挖掘是基于历史数据。样本数据总是有限的，因此假设涉及到对未来的预測，那么在数据挖掘过程中就应始终保持对通用模式的警惕（放之四海而皆准的都应该警惕），同一时候也须要防止过渡拟合。
2）数据挖掘的一般过程
A）识别业务机会
数据挖掘的重点的是结果（得到有价值的信息），而不是利用先进的技术。识别业务机会是数据挖掘的任务定义过程。
B）将数据转换为信息。
将数据转换为信息就是数据挖掘的挖掘过程。数据的好坏对信息的获取有比較直接的影响，由于在挖掘过程中。须要花费大量的时间和精力来进行数据的清理和整理。为了降低这样的成本，为数据挖掘而提供的数据应该有良好的数据格式（尽量结构化和标准化），尽可能多的维度（通常是越具体越好）。
这从另外一个角度，也给业务或者产品的设计者。数据结构的设计者提出了更高的要求。
C）依据信息採取行动。
这是数据挖掘的根本目的。数据挖掘得到的信息应该得到应用。
只实用了才干从实际中验证数据挖掘工作的好坏。挖掘策略是否有效。
D）度量结果。
对数据挖掘得到的信息通过实际应用进行检測，从而能够评价和改进挖掘过程。并且，通过应用产生的数据能够增加到新的挖掘过程中，对挖掘形成良性的促进。
学习的东西不真实
A） 模式不代表不论什么基本规则
数据本身是没有好坏的。数据是中性的。
但人们从数据获得的信息往往带有认知的主观性。比方我们觉得月亮上有月兔，不过由于有些像。但实际没有。
数据不会说谎，理解（挖掘）会有偏差；说谎的人会玩弄数据；
B） 模型集可能不反映相关的总体
样本数据太少。样本数据不能非常好的反映总体的情况下就会产生这样的问题。比方1,1,2,3,5,8.看到这些数据。非常easy觉得是斐波纳契数列。假设这是商店的每天卖出的商品数。能用斐波纳契数列做商品的销售模型？显然不行的。
C）数据的具体程度有误
还是上面的样例，数据量太小，数据量太少，数据的具体程度太低，往往得不到所要的结果。还会产生误导。
学习的东西无用
包括两个方面。一是得出的东西众所周知，二是不能用，这个不能用可能是法律的。或者条件所限。