与模型预测值的偏差、量值随时间的变化等。偏差检测的基本方法是，寻找观测结果与参照值之间有意义的差别。数据挖掘的任务是从大量数据中发现知识。

3 数据挖掘的过程

数据挖掘的过程如图7.4所示，过程中各步骤的大体内容如下：

图7.4 数据挖掘的过程

（1） 问题定义。在开始数据挖掘之前最先的也是最重要的要求就是熟悉背景知识，弄清用户的需求。要想充分发挥数据挖掘的价值，必须对目标要有一个清晰明确的定义，即决定到底想干什么。

（2）数据准备。这个阶段细分四步：数据收集、数据选择、数据预处理、数据转换 数据收集：大量全面丰富的数据是数据挖掘的前提，没有数据，数据挖掘也就无从作起。因此，数据收集是数据挖掘的首要步骤。

数据选择：搜索所有与业务对象有关的内部和外部数据信息，并从中选择出适用于数据挖掘应用的数据，从而辨别出需要分析的数据集合，缩小处理范围，提高数据挖掘的质量。

数据预处理：克服目前数据挖掘工具的局限，研究数据的质量，为进一步的分析做准备，并确定将要进行的挖掘操作的类型。

数据转换：将数据转换成一个分析模型，这个分析模型是针对挖掘算法建立的。建立一个真正适合挖掘算法的分析模型是数据挖掘成功的关键。

（3）数据挖掘：利用各种数据挖掘方法对数据进行分析。

（4）结果分析：解释并评估结果。其使用的分析方法一般应作数据挖掘操作而定，通常会用到可视化技术。根据最终用户的决策目的对提取的信息进行分析，把最有价值的信息区分出来。

（5）知识的同化：将分析所得到的知识集成到业务信息系统的组织结构中去，并且通过决策支持工具提交给决策者。