数据挖掘有哪些功能？
数据挖掘功能用于表示必须在数据挖掘任务中发现的模式类型。一般来说，数据挖掘任务可以分为描述性和预测性两种类型。描述性挖掘任务定义数据库中数据的共同特征，预测性挖掘任务对当前信息进行推理以进行预测。
有各种数据挖掘功能如下-
数据特征-它是对数据对象类的一般特征的总结。用户指定的类对应的数据一般是通过数据库查询来收集的。数据表征的输出可以以多种形式呈现。
数据鉴别-将目标类数据对象的一般特征与来自一个或一组对比类的对象的一般特征进行比较。目标类和对比类可以由用户表示，通过数据库查询获取等价的数据对象。
关联分析-它分析通常在事务数据集中一起出现的项目集。有两个参数用于确定关联规则-
它提供标识数据库中的公共项目集。
置信度是当另一个项目发生时，一个项目在交易中发生的条件概率。
分类-分类是发现表示和区分数据类或概念的模型的过程，目的是能够使用该模型来预测类标签是匿名的对象的类。派生模型建立在对一组训练数据（即类标签相同的数据对象）的分析之上。
预测-它定义了预测一些不可用的数据值或未决趋势。可以根据对象的属性值和类的属性值来预测对象。它可以是对缺失数值或时间相关信息的增加/减少趋势的预测。
聚类-它类似于分类，但类不是预定义的。类由数据属性表示。它是无监督学习。对象的聚类或分组，取决于最大化类内相似度和最小化类内相似度的原则。
异常值分析-异常值是无法在给定类或集群中分组的数据元素。这些是具有不同于其他数据对象的一般行为的多种行为的数据对象。对此类数据的分析对于挖掘知识至关重要。
进化分析-它定义了行为在一段时间内发生变化的对象的趋势。