随着信息技术的发展，数据挖掘已经成为许多行业的一种重要的手段，因它不仅可以帮助商业变得更加高效，而且还可以帮助各行各业改进自己的管理方式。数据挖掘的基础是数据分类：它涉及把一些常见的信息组织成一些含义清晰的、便于查询和理解的分类。
数据分类通常包括一系列的算法操作，大多数算法基于监督学习或无监督学习的原理。监督学习分类算法是基于训练样本的分类规则，从训练样本中提取特征，构建分类模型，然后用新样本测试模型拟合情况。而无监督学习是指，算法不事先指定学习规则，而是利用输入的数据内在结构来分类数据，通常是根据训练样本的聚集现象，将数据分为若干聚类。
数据分类是数据挖掘关键步骤，在实际工作中需要考虑哪些特征能够有效区分数据，选择合适的分类算法和度量标准，来实现获取更准确的信息以及更好的决策。因此，数据挖掘离不开数据分类技术，并且数据分类算法的效果受到特征选择和适当度量标准的影响。
