問題：數據總量爆炸式增加，如何從中提取真正有價值的信息，產生了新的領域(DM)。幾個名詞：
1）Data Mining：數據挖掘
2）Knowledge Discovery：知識發現
3）Machine Learning：機器學習(機器學習是數據挖掘的一個重要工具)
4）Knowledge Discovery in Database：KDD
數據挖掘的主要功能：
1）概化：歸納、總結和對比數據的特性，將數據特征化或區分，比如對學生的成績按分數段就行統計。
2）關聯分析：發現數據之間的關聯規則，描述某些屬性在給定數據中一起頻繁出現的條件。
3）分類和預測：通過已知類別的數據來訓練模型或者函數，評估合格之后用來對未知類別的數據做預測。
4）聚類分析：審視數據的分布特色，自動得將數據划分為不同的組，即將類似的數據歸類到一組。
5）離群點分析：在數據當中，跟主流的數據分布顯著不一致的那些點，通常被認為是噪聲或者異常。
6）趨勢和演變分析：描述行為隨時間變化的對象的發展規律或趨勢。
中心趨勢度量：度量數據分布的中部或中心位置，或者說，給定一個屬性，它的值大部分落在何處？有 $3$ 個指標：
1）均值：最常用最有效的是的算術均值或加權均值，對極端值很敏感。
2）中位數：對於非對稱數據，數據中心更好的度量是中位數，但在觀測數量很大時，計算開銷很大。
3）眾數：出現最頻繁的值，也叫模。具有一個、兩個、三個眾數的數據集合分別稱為單峰(單模態)、雙峰的、三峰的。
a. 當數據對稱時，眾數 = 中位數 = 均值。
b. 當數據分布正傾斜時，均值受偏高數值的影響較大，其位置在眾數之右，中位數在眾數與算術平均數之間，眾數 < 中位數 < 均值。
c. 當數據分布負傾斜時，均值受偏小數值的影響較大，其位置在眾數之左，中位數仍在兩者之間，均值 < 中位數 < 眾數。
數據的散布：度量數據的離散程度。
1）極差：最大值和最小值之差。
2）方差和標准差：衡量數據偏離均值的范圍，代表模型的穩定性。
3）四分位數：把數據划分成四個基本上大小相等的連貫集合。$Q_{1}$：有 25% 的數據；$Q_{2}$：有 50% 的數據；$Q_{3}$：有 75% 的數據在此之下。