一、数据挖掘的概念

数据中的知识发现（KDD）,也可以把数据挖掘视为知识发现过程的一个基本步骤。
步骤序列：
（1）数据清理
（2）数据集成
（3）数据选择
（4）数据变换
（5）数据挖掘
（6）模式评估
（7）知识表示

二、数据挖掘的功能

数据挖掘功能分为描述性的和预测性的。
描述数据：刻画目标数据中数据的一般性质。
预测数据：预测其他变量。
聚类，关联分析，数据总结，偏差检测是描述性任务。
分类和预测是预测性任务。

三、数据挖掘运用到的技术

数据挖掘吸纳了统计学，机器学习，模式识别，数据库和数据仓库，信息检索，可视化，算法分析，高性能计算等许多领域的大量技术。

四、数据分析过程中五个原则

天下没有免费的午餐定理：同一个算法只能解决某一个问题，不能解决所有问题。
丑小鸭定理：同样的数据，在不同的人眼中，针对不同的问题，要选取不同的特征
奥卡姆剃刀定理：在实际运用过程中，选择最简单的模型。
大数定理：当样本数目足够大时，事件A的频率可以近似的当成其概率
布弗朗尼原则：如果将某些属性作为数据的重要特征，而这些属性在很多随机数据中出现，那么这些属性其实不可依赖。应该选择几乎不可能在随机数据中出现的属性来作为重要特征。