一、数据挖掘定义
数据挖掘是指从大量的数据中通过算法搜索隐藏于其中信息的过程。数据挖掘通常与计算机科学有关，并通过统计、在线分析处理、情报检索、机器学习、专家系统（依靠过去的经验法则）和模式识别等诸多方法来实现上述目标。
二、算法定义
算法是一种描述程序行为的语言，是一种让程序最为简洁的思考方式。是指解题方案的准确而完整的描述，是一系列解决问题的清晰指令，算法代表着用系统的方法描述解决问题的策略机制。
三、数据挖掘的算法有哪些
1、分类决策树算法C4.5
C4.5，是机器学习算法中的一种分类决策树算法，它是决策树(决策树，就是做决策的节点间的组织方式像一棵倒栽树)核心算法ID3的改进算法。
2、K平均算法
K平均算法(k-meansalgorithm)是一个聚类算法，把n个分类对象根据它们的属性分为k类(k
3、支持向量机算法
支持向量机(SupportVectorMachine)算法，简称为SVM，是一种监督式学习的方法，广泛用于统计分类以及回归分析中。
4、TheApriorialgorithm
Apriori算法是一种最有影响的挖掘布尔关联规则频繁项集的算法，其核心是基于两阶段“频繁项集”思想的递推算法。其涉及到的关联规则在分类上属于单维、单层、布尔关联规则。
5、最大期望(EM)算法
最大期望(EM，Expectation–Maximization)算法是在概率模型中寻找参数最大似然估计的算法，其中概率模型依赖于无法观测的隐藏变量。最大期望是经常用在机器学习和计算机视觉的数据集聚领域。
6、神经网络方法
神经网络由于本身良好的鲁棒性、自组织自适应性、并行处理、分布存储和高度容错等特性非常适合解决数据挖掘的问题，因此近年来越来越受到人们的关注。
遗传算法是一种基于生物自然选择与遗传机理的随机搜索算法，是一种仿生全局优化方法。遗传算法具有的隐含并行性、易于和其它模型结合等性质使得它在数据挖掘中被加以应用。
