数据挖掘的方法有哪些？

数据挖掘：在大型数据库中，通过分析发现有用信息的过程。在前篇文章中说到大数据的存储等问题，面临新的数据集带来的问题时，传统的数据分析技术往往会遇到很多实际困难。下面我们来说一下具体的问题。

可伸缩：如果数据挖掘算法要处理海量数据集，则算法必须是可伸缩的（scalable）许多的数据挖掘算法使用特殊的搜索策略处理指数级搜索问题。为实现可伸缩可能还需要实现新的数据结构，才能有效的访问每个记录。

高维性：现在，常常遇到具有成败上千属性的数据集，而不是几十年前的只具备少量属性的数据集。

数据的所有权与分布：有时，需要分析的数据并非存放在一个站点，或者归属一个机构，而是地理上分布在属于多个机构的资 源中。这就需要开发分布式数据挖掘技术。分布式数据挖掘算法面临的主要挑战包括：（1）如何降低执行分布式计算的通信量？（2）如何有效的同意从多个资源 得到的数据挖掘结果？（3）如何处理数据安全性问题？

非传统的分析：传统的统计方法基于一种假设——检验模式，即提出一种假设，设计实验来收集数据，然后针对假设来进行分析数据。但是，这一过程劳力费神。当前的数据分析人物常常需要产生和评估数千钟假设，因此需要自动地产生和评估假设，这促使人们开发了一些数据挖掘技术。