Hem yazılım seçeneklerinde hem de teorik kavramlarda kullanılan çeşitli veri madenciliği yöntemleri vardır. Bu, kullanıcıların çeşitli araçlar kullanarak bireyler ve şirketler tarafından toplanan verilerden bilgi almalarını sağlar. Tek bir denekte veya çeşitli deneklerde çeşitli faktörleri belirlemek için büyük miktarlarda veri kullanılabilir. Bu veri madenciliği yöntemleri en yaygın olarak dolandırıcılık koruma, pazarlama ve gözetim alanlarında kullanılmaktadır.
Yüzlerce yıldır, deneklerden bilgi çıkarmak için veri madenciliği yöntemleri kullanılmıştır. Bununla birlikte modern teknikler, bilgisayarlı kaynaklar aracılığıyla önemli veriler sağlamak için otomatikleştirilmiş kavramları kullanır. Bilgisayar bilimleri 20. yüzyılda ortaya çıktıkça, veri madenciliği yöntemleri kavramı, toplanan verilerin büyük bölümlerindeki gizli kalıpların üstesinden gelme çabası içinde gelişti. Buna güzel bir örnek, bir reklamcılık şirketinin bir çevrimiçi müşterinin alışveriş modellerini analiz ettiği zamandır. Bu şirket daha sonra bireyin satın almakla ilgilenebileceği belirli ürünleri pazarlayabilir.
Endüstride yaygın olarak kullanılan bir veri madenciliği tekniğine Veritabanlarındaki Bilgi Keşfi (KDD) denir. 1989 yılında Gregory Piatetsky-Shapiro tarafından geliştirilen KDD, kullanıcıların ham verileri işlemesine, gerekli verileri analiz etmesine ve sonuçları yorumlamasına izin verir. Bu yöntem kullanıcıların algoritmalarda kalıp bulmasına izin verir, ancak genel veriler her zaman doğru değildir ve taviz verme yollarıyla bir araya getirilebilir. Bu, fazla uygun olarak bilinir.
Temel veri madenciliği yöntemleri dört özel görev türünü içerir: sınıflandırma, kümeleme, regresyon ve ilişkilendirme. Sınıflandırma mevcut bilgiyi alır ve tanımlanmış gruplara ayırır. Kümeleme , tanımlanmış grupları kaldırır ve verinin kendisini benzer öğeler tarafından sınıflandırmasını sağlar. Regresyon , bilginin işlevine odaklanır, verilerin kavram üzerinde modellenmesine odaklanır. Son veri madenciliği yöntemi, dernek , çeşitli veri yayınları arasındaki ilişkileri bulmaya çalışır.
Çeşitli veri madenciliği metotlarını kullanırken, proseste hangi parametrelerin kullanılabileceğini belirlemek için belirli standartlar kullanılır. Bilgi İşlem Makinalarının Bilgi Keşfi ve Veri Madenciliği Özel İlgi Grubu (SIGKDD), hangi işlemlerin uygun olduğunu belirleyen yıllık bir toplantı düzenler. Etik faktörler, bireyler ve şirketler hakkında en iyi bilgileri bulmak için pratik uygulamalarla birlikte tartılır. Bu bilgi SIGKDD Explorations adlı bir endüstri dergisinde yayınlanmaktadır .
