数据挖掘系统的分类是什么？

数据挖掘是指从大量数据中提取或挖掘知识。数据挖掘一般用于保存和处理大量数据的地方。

数据挖掘是一个跨学科领域，是一组学科的集合，如数据库系统、统计学、机器学习、可视化和数据科学。根据所使用的数据挖掘方法，可以应用其他学科的技术，例如神经网络、模糊和/或粗糙集理论、知识表示、归纳逻辑编程或高性能计算。

它建立在要挖掘的数据类型或给定的数据挖掘应用程序上，数据挖掘系统还可以集成空间数据分析、数据检索、模式识别、图像分析、信号处理、计算机图形学、网络技术、经济学、商业、生物信息学或心理学。

数据挖掘的分类如下 -

根据挖掘的数据库类型分类- 可以根据挖掘的数据库类型对数据挖掘系统进行分类。数据库系统可以根据各种标准（包括数据模型，或包含的数据或应用程序的类型）进行分类，每个标准都需要其数据挖掘技术。

例如，如果根据数据模型进行分类，它可以具有关系型、事务型、对象关系型或数据仓库挖掘系统。如果按照数据处理的特殊类型进行分类，我们可能有空间、时间序列、文本、流数据、多媒体数据挖掘系统或万维网挖掘系统。

根据挖掘的知识种类进行分类- 数据挖掘系统可以根据它们挖掘的知识种类进行分类。它基于数据挖掘功能，包括表征、鉴别、关联和相关分析、分类、预测、聚类、异常值分析和进化分析。数据挖掘系统通常支持多种集成的数据挖掘功能。

根据所使用的技术种类进行分类- 数据挖掘系统可以根据所使用的基本数据挖掘技术进行分类。这些技术可以根据自治系统、交互式探索系统、查询驱动系统或所采用的数据分析方法中涉及的用户交互程度来描述。

根据适应的应用程序分类- 数据挖掘系统也可以根据它们适应的应用程序进行分类。例如，数据挖掘系统可以为金融、电信、DNA、股票市场、电子邮件等分类定制。有多个应用程序通常需要集成特定应用程序的方法。