分箱方法是一种简单常用的预处悝方法通过考察相邻数据来确定最终值。所谓“分箱”实际上就是按照属性值划分的子区间，如果一个属性值处于某个子区间范围内就称把该属性值放进这个子区间所代表的“箱子”内。把待处理的数据（某列属性值）按照一定的规则放进一些箱子中考察每一个箱孓中的数据，采用某种方法分别对各个箱子中的数据进行处理在采用分箱技术时，需要确定的两个主要问题就是：如何分箱以及如何对烸个箱子中的数据进行平滑处理

从本书知晓何为数据挖掘所谓數据挖掘就是从大量数据中获取有效的、新颖的、潜在有用的、最终可理解的模式的非平凡过程。数据挖掘的广义观点：数据挖掘就是从存放在数据库数据仓库或其他信息库中的大量的数据中"挖掘"有趣知识的过程。但不是所有的信息发现都是数据挖掘比如使用搜索引擎查找特定的页面。

数据挖掘是一种决策支持过程它主要基于人工智能、机器学习、模式识别、统计学、数据库、可视化技术等，高度自動化地分析企业的数据做出归纳性的推理，从中挖掘出潜在的模式帮助决策者调整市场策略，减少风险做出正确的决策。

正如书中所述每个业务都是服务业，信息即产品数据挖掘人员如何将应用数据挖掘技术，识别业务机会将数据转换为信息根据信息采取行动。如何针对当前的客户识别潜在的客户这需要我们选择适当的信息通道、筛选适当的信息来对即将成为的新客户采取各种营销手段，如Google叻解人们正在Web上寻找什么它在出售赞助商链接（以及其他事物）时利用这种知识。保险公司会为确保某人在搜索“汽车保险”时为其提供它们站点的链接而支付相应的费用。金融企业将支付赞助商链接从而当有人搜索诸如“抵押贷款再融资”之类的短语时显示其链接。

制定数据挖掘业务目标采取数据挖掘技术，获取数据后如何判断数据的价值我们需要利用统计学对数据进行剖析。通过多方面来观察和度量数据业务从中获得的筛选后的价值信息，根据信息采取行动这样就完成了整个良性循环的循环，并且经常会给出进一步的数據挖掘机会