数据集越大, 得到的规律越贴近实际规律, 结果也越准确；各种外界干扰导致数据出现不准确性；数据的不准确意味着对数据的观察只能在整体层面进行, 同时由于涉及隐私, 某些具体信息也无法获知, 相关性的分析操作无法精确到个体；数据的随机性是指获取数据的随机性和分析结果的随机性。 数据挖掘分析方法
数据挖掘分为有指导的数据挖掘和无指导的数据挖掘。有指导的数据挖掘是利用可用的数据建立一个模型，
这个模型是对一个特定属性的描述。无指导的数据挖掘是在所有的属性中寻找某种关系。具体而言，分类、估值和预测属于有指导的数据挖掘；关联规则和聚类属于无指导的数据挖掘。
1．分类。它首先从数据中选出已经分好类的训练集，在该训练集上运用数据挖掘技术，建立一个分类模型，再将该模型用于对没有分类的数据进行分类。
2．估值。估值与分类类似，但估值最终的输出结果是连续型的数值，估值的量并非预先确定。估值可以作为分类的准备工作。
3．预测。它是通过分类或估值来进行，通过分类或估值的训练得出一个模型，如果对于检验样本组而言该模型具有较高的准确率，可将该模型用于对新样本的未知变量进行预测。
4．相关性分组或关联规则。其目的是发现哪些事情总是一起发生。
5．聚类。它是自动寻找并建立分组规则的方法，它通过判断样本之间的相似性，把相似样本划分在一个簇中。 以上就是【数据挖掘的特点】的全部解答，如果想要学习更多相关知识，欢迎大家前往高顿教育官网！