数据特点等因素，得到供决策使用的各
种模式与规则，从该任务的众多算法中
选择合适算法进行实际挖掘，得出挖掘
结果，即相应的模式。

挖掘结果阶段是
怎样将挖掘出来的模式与规则以一种直
观、容易理解的方式呈现给用户，即可
是数据挖掘的本
质，它通过对规模庞大的信息进行量化
处理，然后建立各类信息的联系，从而
让那些看似无关的信息的关联性得以显
应用：关联规则的案例最著名的莫
过于“啤酒与尿布”的故事，这两件看
似毫无关联的事务，挖掘人士通过在杂
乱无章、浩如烟海的数据中将两者建立
关联，从而为超市带来巨大利润。

而这
一方法被称为“购物篮分析”。

此外，
关联规则在金融服务、通信、互联网行
业的应用也越来越广，公司利用它在大
量的金融数据中找到与开发投资策略相
关联的交易和风险模型；股票公司则利
图１
·
也都会从关联规则挖掘中受益。

４．２
有的数据集合划分成新的种类，而新的种类在性质上是相似的。

所以它是研究数据间物理上或逻辑上相互关系的技术。

通俗地讲即是“物以类聚”。

聚类分析
步研究的基础数据，比如关联规则挖掘、多元统计分析、时间序列分析等模型需要的数据。

聚类分析的划分方法包括
层次
算法；
OPTICS
算法、
进行聚类，获得主要的职业类型、专业领域以及热门的行业、职位、地域等，进而能够为高等院校及时了解社会对人才种类的需求变化情况，分析预测未来的人才市场的热点，有针对性地调整人才培养方案和设置安排相关课程提供重要的参考息，促进高校培养出更多适用当前社会就业形势的优秀人才，有助于广大在校大学生做出更合理有效的职业规划。

对
和自治区的城镇居民家庭平均每人全年消费性支出的食品、交通和通讯、衣着、娱乐教育文化服务、家庭设备用品及服务、居住、医疗保健、杂项商品和服务八个主要变量将我国的地区发达程度三类等。

基本库中获得不同的客户群体，通过购买模式来描述种类不同的客户特征。

除此，
心理学和药学领域也得到广泛的应用。

４．３。