数据挖掘有哪些应用？
数据挖掘是通过筛选存储在存储库中的大量数据、使用模式识别技术以及统计和数学技术来发现有意义的新关联、模式和趋势的过程。
它是对观测数据集的分析，以发现意想不到的关系，并以对数据所有者既易于理解又有益的新技术总结记录。数据挖掘有多种应用，如下所示-
数据仓库和数据预处理-数据仓库对于信息交换和数据挖掘至关重要。但是，在地理空间数据领域，现在不存在真正的地理空间数据仓库。
创建这样的仓库需要寻找解决地理和时间数据不兼容性的方法，例如协调语义、参考系统、几何、准确性和精度。
对于一般的数学软件，需要方法来整合来自不同来源的信息（包括覆盖不同时间段的数据）和识别活动。例如气候和生态系统数据（它们是空间和时间的），问题是空间域中的事件太多而时间域中的事件太少。
挖掘复杂数据类型-科学数据集本质上是异构的，通常包含半结构化和非结构化数据，包括多媒体数据和地理参考流数据。需要稳健的方法来处理时空数据、相关概念层次结构和复杂的地理关系（例如，非欧几里得距离）。
基于图的挖掘-由于现有建模方法的局限性，通常很难或不可能对多种物理现象和过程进行建模。或者，可以使用标记图来克服数值数据集中存在的一些空间、拓扑、几何和其他关系特征。
在图建模中，每个要挖掘的数据都由图中的一个顶点描述，顶点之间的边描述对象之间的关系。例如，图形可用于对由数值模拟（例如流体流动模拟）生成的化学结构和数据进行建模。
然而，图建模的成功取决于许多经典数据挖掘任务的可扩展性和效率的改进，例如分类、频繁模式挖掘和聚类。
可视化工具和特定领域的知识-数值数据挖掘系统需要高级图形用户界面和可视化工具。这些必须与现有的特定领域数据系统和数据库系统统一起来，以指导研究人员和一般用户搜索设计、解释和可视化发现的设计，并在他们的决策中利用发现的知识。