大数据挖掘无关哪些技术方法？

数值机的网络就是从大用量的、不完全的、有噪声的、模糊的、随机的实际分析方法数据库中所，提取便是在其中所的、人们事先不知道的、但又是潜在可靠的信息和基本知识的全过程。数值机的网络主要目的是把像是在一大批看来松散的数据库中所的信息集中所起来，展开提取物、提炼，以找出潜在可靠的信息和所研究实例的内在规律的全过程。

在大数据库的思想下，不追求性状数据库的精确性，而是在海用量数据库中所开挖规律性并不一定。在这里，所有的基于非标准数据库的查询与数值机的网络数值的服务得以实现。数值机的网络包括的新科技法则很多，有多种分类法。

1）根据开挖任务可分作：预测模型找到、数据库总结、聚类、共同点规则找到、序列模式找到、忽视关系或忽视模型找到、极度和趋势找到等。

2）根据开挖实例可分作：关系在线、朝向实例在线、维度在线、分词在线、重构数据库源、多媒体在线、异质在线、个人财产在线以及环球网Web；

3）根据开挖法则分可粗分作:

①自然语言处理法则。在自然语言处理法中所，可分为作:归纳求学法则(决策树、规则归纳等)、基于便是求学、遗传线性等。

②统计资料法则。在统计资料法则中所，可分为作:回归分析方法(多元回归、自回归等)、推论分析方法(贝叶斯推论、费歇尔推论、非参数推论等)、聚类分析方法(种系统聚类、动态聚类等)、探索性分析方法(主元分析方法法、关的分析方法法等)等。

③人工智能法则。在人工智能法则中所，可分为作:前向人工智能(BP线性等)、自的组织人工智能(自的组织特点映射、竞争求学等)等。

④在线法则。在在线法则主要是多维数据库分析方法或OLAP法则，另外还有朝向属性的归纳法则。

数值机的网络与在后数据库统计资料和分析方法全过程不同的是，数值机的网络一般未什么预先实体化好的主题，主要是在整体数据库上会展开基于各种线性的数值，从而起到预测（Predict）的效果，从而实现一些高级别数据库分析方法的需求。相当典型线性可靠于聚类的Kmeans、使用统计资料求学的SVM和使用分类的NaiveBayes，主要用到的辅助工具有Hadoop的Mahout等。该全过程的特点和挑战主要是使用开挖的线性很复杂，并且数值包括的数据库用量和数值用量都很大，常见数值机的网络线性都以单线程为主。

目前，应全面性开发新数据库的网络开挖、特异群组开挖、由此可知开挖等新型数值机的网络新科技，更是基于实例的数据库相连、相似性相连等大数据库结合新科技，更是用户浓厚兴趣分析方法、的网络暴力行为分析方法、心灵语义分析方法等朝向各个领域的大数值机的网络新科技。