有關資料探勘（Data Mining）的敘述，下列何者正確？
A資料探勘的主要目的是收集數據，而不是分析數據
B資料探勘只適用於結構化數據，不能用於非結構化數據（如文字或影像）
C資料探勘與傳統統計分析相同，沒有額外的價值
D資料探勘的目的是從大量數據中發掘有意義的模式與趨勢，以支持決策和預測分析正確答案
答案與詳解
D
正確答案
資料探勘核心在於從海量資料中挖掘隱藏模式與趨勢，支援決策，而非單純收集或僅限結構化資料。
為什麼答案是 D
完全正確。資料探勘旨在從大量資料中萃取出有意義的模式、關聯與趨勢，以輔助商業決策與預測。
考點：探勘目的考點：資料型別考點：技術價值考點：核心定義
載入中…
完整詳解
Pro · 無限重點 資料探勘核心在於從海量資料中挖掘隱藏模式與趨勢，支援決策，而非單純收集或僅限結構化資料。
秒殺技巧
看到「資料探勘」直接聯想「挖掘隱藏知識、模式、預測」，排除「只收集」、「只限結構化」、「等同傳統統計」的狹隘說法。逐選項分析
A探勘目的✕
資料探勘的核心是「分析與挖掘」，資料收集屬於前置作業（如ETL），並非探勘本身的主要目的。
B資料型別✕
現代資料探勘技術（如文字探勘、影像分析）已廣泛應用於非結構化資料，絕對不限於結構化資料。
C技術價值✕
資料探勘結合機器學習與AI，能處理海量維度資料並發現隱藏規則，價值與深度遠超傳統統計分析。
D核心定義✓ 正確
完全正確。資料探勘旨在從大量資料中萃取出有意義的模式、關聯與趨勢，以輔助商業決策與預測。
資料探勘 vs 傳統統計 vs 資料收集
| 比較專案 | 資料收集 | 傳統統計分析 | 資料探勘 (Data Mining) |
|---|---|---|---|
| 主要目的 | 獲取與儲存原始資料 | 驗證假設、描述資料特徵 | 發掘隱藏模式、預測未來趨勢 |
| 適用資料型別 | 結構化/非結構化皆可 | 多為結構化資料 | 結構化與非結構化資料皆可 |
| 技術核心 | ETL、資料庫管理 | 統計學、數學模型 | 機器學習、AI、統計、資料庫 |
陷阱提醒
考生易將「資料探勘」與前置的「資料收集」或傳統的「統計分析」混淆。請記住探勘是「挖寶（找隱藏規律）」，不是「搬磚（收集）」或「算平均（傳統統計）」，掌握核心目的即可秒殺。