数据挖掘旨在从大量数据中发现规律、内在联系和对问题可能较为直观的结论，是当今科学技术发展和信息科技迅猛发展的产物，也是当今社会经济的重要科学手段和技术工具。在大数据时代，数据挖掘技术有着深远的影响作用和广泛的应用领域，包括电子商务、金融服务、社会网络、智能汽车、智能家居等，可以进行模式识别、预测分析和决策支持等多种优化分析计算。
数据挖掘有以下几种技术模型：
1、决策树模型：它是一种基于熵减少原理的决策模型，它通过分割属性来寻找决策点，可以看成是一种树状结构，用于表示从给定的观测数据集中提取出知识的过程，在推理过程中，根据每个节点中列出来的属性进行判断和决策，最终得出可行的结论。
2、聚类（Clustering）模型：是一种无监督的学习方法，它可以根据观察数据的密度特征和存在的簇的形状进行聚类，从而分析数据，找出在数据库中潜在的类簇和群落，以及未被知晓的规律和结构关系。
3、关联规则（Association Rule Mining）模型：是挖掘事务型数据库中的关联规律的一种技术，其核心就是频繁项集的挖掘，以及其发现的强关联规则。它可以用来挖掘预测，并有效地推断出规则和关系，为商业决策和营销活动提供科学的依据。
4、基于模式的预测（Pattern-based Prediction）模型：是数据挖掘中常用的一种模式，它可以用来预测未来的事件及其发生的概率。它通过以往数据中固有的规律，并应用在未来数据中，来估计未来事件发生的可能性或概率，为业务决策提供帮助。
上述就是数据挖掘术手段中所涉及的常用模型，在大数据时代，它无疑是一把“巧取豪夺”的“万能钥匙”，也是当今社会经济发展的重要工具。
