在当今这个信息爆炸的时代，数据挖掘技术已经成为大数据时代的关键技术。它是将大量原始数据提取出有价值的信息，为决策提供支持。数据挖掘算法是实现数据挖掘技术的核心，它是通过数学模型、算法和软件来完成数据挖掘过程。本文将介绍数据挖掘算法分类，让读者对该技术更加了解。
数据挖掘算法可以大致分为实例挖掘（instance mining）算法和模式挖掘（pattern mining）算法。
首先介绍的是实例挖掘算法，它是一种寻找指定数据库中某类数据实例的算法。它的工作方式是从一系列数据记录中搜索出符合给定要求的数据实例，典型的实例挖掘算法有决策树（decision tree）、聚类（clustering）、关联规则（association）、神经网络（neural networks）等。
模式挖掘算法则是从一系列数据记录中搜索出数据模式来发现有价值的知识。它的主要算法包括关联规则（association）、最大频繁项集频繁模式（maximum frequence set）、全局模式（global patterns）等。
总结来说，数据挖掘算法基本分为实例挖掘（instance mining）和模式挖掘（pattern mining），各有其特点和应用场景。实例挖掘算法适用于搜索某一特定数据对象，而模式挖掘算法则可以发现更大的价值知识，是实现数据价值的重要手段。
