数据挖掘， alias 资料探勘或数据采矿，是数据库知识发现的关键环节。这一过程涉及从海量数据中自动搜寻隐藏的特殊关系信息。数据挖掘通常与计算机科学紧密相连，融合了统计、在线分析处理、情报检索、机器学习、专家系统以及模式识别等多种技术。

以下介绍数据挖掘的十种分析方法：

1. 类比推理法：此法通过匹配已知案例预测新案例的属性，核心在于寻找相似案例进行比较，并结合相似案例属性进行预测。其优势在于可处理多种数据类型，无需特定假设，且具备学习能力。但缺点是需要大量历史数据，且处理过程耗时，难以确定最佳的距离和结合函数。

2. 购物篮分析：此分析旨在探寻商品间的搭配规律，通过顾客购买行为分析，挖掘关联规则，以帮助企业获取利益和竞争优势。如调整货架商品布局或设计商业套餐。

掌握数据挖掘十法，智能选析任你行

3. 决策树：决策树能高效解决分类和预测问题，通过一系列问题表达规则，最终导出结果。决策树形态多样，可以是二叉树、三叉树或混合型。

4. 基因算法：模拟生物进化过程，通过选择、复制、交配和突变产生更优解。在聚类问题上有良好表现，可辅助类比推理法和神经网络。

5. 群集检测技术：旨在发现数据中未知的相似群体，为研究起点。

6. 连接分析：基于图论，通过记录间关系构建模型，适用于人物关系分析。

7. 在线分析处理：虽非独立数据挖掘技术，但可辅助用户更直观理解数据潜在含义。

8. 神经网络：通过重复学习，从例子中归纳区分模式，对新例证进行预测。

9. 区别分析：适用于因变量定性、自变量定量的问题，解决分类问题。

10. 逻辑回归分析：当群体不符合常态分布假设时，作为区别分析的替代方法，预测事件发生的概率。