数据挖掘过程包括不同的步骤，例如构建，测试或使用挖掘模型。
您可以使用明确定义的商业智能项目计划来开始数据挖掘项目。 贵公司的业务分析师定义了他们想要解决的问题，以及他们想要实现的明确的商业智能目标。 这一初始表述越好，您关于哪些数据和哪些挖掘函数用于实现预期结果的准则就越清晰。
数据挖掘项目由以下主要阶段组成:
数据选择和准备。
构建数据挖掘模型 (也称为 训练 阶段)。
根据特定输入数据集构建数据挖掘模型。在模型构建过程中，在准备数据后，指定有关以下方面的决策:
输入数据所在的位置
输入数据中的哪些字段相关
要用于所使用的特定挖掘函数的设置
要在其中存储最终模型的位置
Intelligent Miner ® 在构建模型时使用以下数据库对象:
用户定义的方法
存储过程
用户定义的函数
.
测试模型并分析其质量。您可以测试分类或回归模型。 然后可以分析模型的质量。
使用模型可提供有关以下内容的信息:
可视化结果。您可以显示数据挖掘结果以进行分析和解释。 使用 Intelligent Miner 可视化器 来查看和分析结果。
对数据记录进行评分。将模型应用于数据挖掘的应用程序阶段中的其他数据。 使用 Intelligent Miner 对数据记录进行评分。
分析模型并对其进行准备以执行进一步的处理步骤。您可以使用各种函数在表中检索有关模型的信息，以供其他应用程序进一步处理。