数据挖掘(Data mining)，是指从宽泛的数据中提取有价值的信息、知识和洞察，这种数据主要包括数据库、事实表以及数据仓库和文档。它的主要目的是分析和归纳出有价值的信息，以支持企业管理和决策。
数据挖掘可以采用各种模型，其中常见的模型有逻辑回归模型、决策树模型、贝叶斯模型、聚类模型、关联规则模型等。
逻辑回归模型是一种用于预测离散变量结果的模型，它根据自变量来预测因变量。它可以用来判断一个实例是否属于某一类别，也可以用来识别客户的潜在风险。
决策树模型是一种表示决策的一个图形，它可以用来确定最优的决策步骤。该模型在数据挖掘中有着广泛的应用，用来帮助用户做出正确的决策。
贝叶斯模型是一种基于概率和统计原理的模型，它可以计算特定类别分布是如何影响该类别的发生率的。贝叶斯模型的应用非常广泛，可以广泛的应用在文献搜索和文本分类中。
聚类模型是一种将大量数据样本分成相似的类别的算法，它可以有效的帮助用户对数据进行分类。它的应用领域包括人脸识别、传感器监控、网络行为分析等。
关联规则模型是一种发现由网站浏览数据产生的规律性结论的模型，它可以帮助用户发现网站内容上特定物品之间的关联关系。
总之，数据挖掘具有多种模型，可以帮助用户提取有价值的信息和知识，从而支持企业管理和决策。
