数据挖掘是从大量数据中提取知识的过程，涉及对数据的探索和分析以发现有意义的模式和规则。其发展得益于超大规模数据库和计算技术的出现，并广泛应用于信息管理、决策支持及查询优化等领域。数据挖掘的主要步骤包括目标设定、数据整合与清理、模式研发及功能实现。

1. Data Mining 954907 廖凡升 954919 莊秉諺 954911 陳家翔 954913 呂冠龍 954924 余如惠 954963 陳芷瀅

2. Data mining Extracting knowledge from large amount of data. The exploration and analysis, by automatic or semi-automatic means, of large quantities of data in order to discover meaningful patterns and rules.

3. Data 定義 [ 技術定義 ] 結構化 半結構化 非結構化資料 ( 分佈在網路 : 異構資料 ?!)

4. Mining 定義 [ 定義 ] 對資料庫中資料進行 ( 萃取 / 轉化 / 分析 / 模式化 / 處理 ) 從中萃取輔助決策

5. 為什麼會有 data mining? 發展 起因 (1989) 超大型資料庫的出現 ( 資料倉儲 ) 先進電腦技術 ( 網路技術 / 平行處理系統 ) 管理的需求 ( 經濟全球化 / 市場壓力 ) 對資料採擷的精深計算能力 ( 統計學 / 集合論 / 認識論 / 人工智慧 )

6. Data Mining 應用範圍 1. 資訊管理 2. 決策支援 3. 查詢最佳化 4. 程序控制

7. Data mining 步驟 釐清目標 獲取相關技術與知識 整合與查核 去除錯誤、不一致與不完整 取樣與試驗 研發模式（ model ） 測驗與檢核 找出假設並解釋

8. Data mining 的功能 分類 (Classification) 推估 (Estimation) 群集化 (Cluster) 同質分組 (Affinity Group) 序列 (Sequential) 描述 (Description)

9. 分類 (Classification) [ 類型分析 ] 區分為兩大種類 離散變數 (discrete variables) 連續變數 (continuous variables) 二元對立的概念 範例 : 交叉銷售 ( 客戶是否購買 ) 信用風險預測 ( 是否會呆帳違約 )

10. 推估 (Estimation ) [ 預測分析 ] 迴歸分析 未知連續數值的走向與趨勢 範例 : 金融商品價格趨勢變化預測 進貨、銷貨、存貨價量變化趨勢預測

11. 群集化 (Cluster) [ 群集分析 ] 根據相似性 , 將相似的事物分群 綜合各項屬性的研判 , 找出事務相似性的內部結構 一種資料清理的步驟 範例 : 顧客分群 ( 根據顧客屬性相似度 ) 晶圓製程瑕疵分布 ( 根據瑕疵分部空間相似度 )

12. 同質分組 (Affinity Group) [ 鏈結分析 ] 找出事物間隱藏的關聯性 關聯規則 (association rule) 購物籃分析 (basket analysis) 範例 : 網頁結構分析 病例關鍵字關聯性分析

13. 序列 (Sequential) [ 次序相關分析 ] 事務發生的先後順序 時序規則 (sequential pattern) 範例 : 逾期繳款行為模式 網頁瀏覽序列分析

14. 描述 (Description) 透過視覺化以及觀察來找出續多有意義的規則

15. Data Warehouse 主要功能 主題導向的資料組織 資料的整合性 資料的一致性 資料的時間差異性 資料的不變動性

16. Data Warehouse 的主要目的 為了即時支援重要的企業決策所以 data warehouse 才因應而生

17. 備忘錄 新增一個案例解釋流程 異構資料 跟他約咪咪很挺 不如去問陳家楨 找案例 1. 資訊管理 2. 決策支援 3. 查詢最佳化 4. 程序控制