与数据挖掘相比知识发现还包括以下哪些内容（与数据挖掘的区别与联系）

与数据挖掘相比知识发现还包括以下哪些内容（与数据挖掘的区别与联系） 第7章：高级模式挖掘 第6章：挖掘频繁模式、关联和相关性：基本概念和方法 第3章：数据预处理 第4章：数据仓库与联机分析处理 第5章：数据立方体技术

所谓数据挖掘就是：“识别出巨量数据中有效的、新颖的、潜在有用的、最终可理解的模式的非平凡过程”。顾名思义，数据挖掘就是试图从海量数据中找出有用的知识。

数据挖掘概念与技术( 第3 版) Jiawei Han 等著 范明等译 2012 。

 第1章：引论

 第2章：认识数据

 第3章：数据预处理

 第4章：数据仓库与联机分析处理

 第5章：数据立方体技术

 第6章：挖掘频繁模式、关联和相关性：基本概念和方法

 第7章：高级模式挖掘

 第8章：分类：基本概念

 第9章：分类：高级方法

 第10章：聚类分析：基本概念和方法

 第11章：高级聚类分析

 第12章：离群点检测

 第13章：数据挖掘的发展趋势和研究前沿

数据挖掘导论 Pang-Ning Tan 等著 范明等译 2006 年。

 第1章：绪论

 第2章：数据

 第3章：探索数据

 第4章：分类：基本概念、决策树与模型评估

 第5章：分类：其他技术

 第6章：关联分析：基本概念与算法

 第7章：关联分析：高级概念

 第8章：聚类分析：基本概念与算法

 第9章：聚类分析：附加问题与算法

 第10章：异常检测

 可见，数据挖掘的教材和课程主要讲解各种不同的数据挖掘任务。比如：分类、回归、聚类、关联分析、异常分析、演变分析等等。

数据挖掘可以视为机器学习和数据库的交叉，它主要利用机器学习界提供的技术来分析海量数据，利用数据库界提供的技术来管理海量数据。

 二者既有区别又有联系，整体来说，机器学习偏理论，数据挖掘偏应用。