数据挖掘技术作为一种实用的科学

数据挖掘技术是设在通道的不同学科领域。 其根源是可以找到的数据分析技术，这原本是主要的研究对象，统计数据。 基本的思路，根据估计理论，分类，聚类，采样理论，确实还有一个最重要的要素是数据挖掘。 但其他的方法和技术，已被列入工具箱的数据分析员，延伸极限经典参数统计与更复杂的模型，达到了他们的成熟与实际的知识状况，对决策树，神经网络，支持向量机，公正仅举几例。 此外，要组织和管理大型机构的数据已要求与部署，计算机科学与技术，数据库管理，查询优化，优化编码算法，并执行其他任务，专门用于存放资料在记忆体的电脑，并给高效率的执行算法。

一个共同的商标的现代方法是形式化的估计和分类问题上出现的数据挖掘技术作为数学优化问题，以及使用一致的演算技术，以确定最优解这些问题。 这种方法的框架已经大力支持应用数学和运筹学（或） ，一所科学学科的特点是深入一体化的数学理论和实际问题结合起来。 一个重要的证据的作用，或在数据挖掘中，是贡献，非线性和整数优化方法已采取措施去解决这个误差最小职能需要加以优化，以训练神经网络和支持向量机。 analogously ，整数规划与组合优化大部分已经被用来解决出现的问题，在鉴定的合成以规则为基础的分类模式，并选择最优子集的特点，在大型数据集。

尽管其强大的方法表征，数据挖掘，不能被成功地应用在没有深刻理解语义的每一个具体问题，往往需要定制现有的方法或发展专案技术，部分基于已有的算法。 在某种程度上来说，真正的挑战，数据挖掘实践者不得不面对的是选拔，其中包括许多不同的方法和途径，就是最好的服务的工作范围而考虑的，往往是衡量一个折衷的复杂性所选定的模型及其推广能力。