✿資料探勘是什麼呢?
資料探勘(Data Mining)是從大量數據中自動發現有價值的模式、趨勢和知識的過程。此模式能夠自動發現、分析、提取有價值信息和知識，以利分析師做出預測、優化流程、探索出隱藏模式等過程。

✿資料探勘的技術
資料探勘的技術學習可以分為依據過去資料的預測能力與探索分析以發掘的過程模式。

以下是探索分析以發掘的過程模式說明：

1. 集群(Clustering)：集群分析將數據分為相似的組，而不需要預先知道這些組的標籤。最常使用K平均(K-means)演算法，最常用於資料前處理與商業資料分析，如市場區隔、產品組合、文字探勘等。

• K平均(K-means)演算法是什麼?
  此算法是用於集群分析的迭代最佳化的技術數據分析方法，它被用來將一組數據點分為K個不同的群體。其K為預先指定的數目，這個算法的主要目標是將數據點劃分到K個群體中，使得每個數據點都屬於最接近的群體，並且每個群體的內部數據點盡量相似。
  

2. 關聯規則(Association Rules)：關聯規則挖掘是一種用於發現數據中的關聯性的技術。
   它通常用於市場營銷和銷售分析，能夠用於了解顧客行為和購物模式。常用的演算法為Apriori、Eclat、FP-Growth等，經常應用於零售業，又稱購物藍分析(MBA)，適合作為商品推薦的基礎。

3. 時序分析(Time Series Analysis)：時序數據分析用於處理隨時間變化的數據，例如股票價格、氣象數據等。

4. 異常檢測(Anomaly Detection)：異常檢測用於識別數據中的異常或不尋常的模式，這對於檢測詐騙、故障和其他異常情況很有用。

((下篇待續...))