在大数据分析中，数据的挖掘技术是比较重要的，毕竟数据挖掘是获取数据来源的方式，我们都知道大数据分析是需要数据的，没有数据何谈分析？所以我们就需要重视大数据中的挖掘技术，下面我们就在这篇文章中给大家讲述一下大数据分析中的挖掘技术。
首先我们给大家说一下大数据分析技术，大数据分析技术就是改进已有数据挖掘和机器学习技术，同时开发数据网络挖掘、特异群组挖掘、图挖掘等新型数据挖掘技术。实现突破基于对象的数据连接、相似性连接等大数据融合技术。还要突破用户兴趣分析、网络行为分析、情感语义分析等面向领域的大数据挖掘技术。所以大数据分析技术还是很复杂，很实用的。
而数据挖掘的意义就是比较简单的了，所谓的数据挖掘就是从大量的、不完全的、有噪声的、模糊的、随机的实际应用数据中，提取隐含在其中的、人们事先不知道的、但又是潜在有用的信息和知识的过程。可以这么说，数据挖掘工作的好坏会直接影响到大数据分析的结果。
通常来说，数据挖掘的技术以及方法有很多，我们根据挖掘任务可分为分类或预测模型发现、数据总结、聚类、关联规则发现、序列模式发现、依赖关系或依赖模型发现、异常和趋势发现等等。根据挖掘对象可分为关系数据库、面向对象数据库、空间数据库、时态数据库、文本数据源、多媒体数据库、异质数据库、遗产数据库以及环球网。我们根据挖掘方法分类的话，可粗分为:机器学习方法、统计方法、神经网络方法和数据库方法。由此可见，数据挖掘的方法是很多的，从侧面角度看来，数据挖掘是很重要的事情。
但是机器学习中，可细分为归纳学习方法、基于范例学习、遗传算法等。统计方法中，可细分为:回归分析、判别分析、聚类分析、探索性分析等。神经网络方法中，可细分为:前向神经网络、自组织神经网络等。数据库方法主要是多维数据分析或OLAP方法，另外还有面向属性的归纳方法。
在这篇文章中我们给大家简单地介绍了大数据分析中的挖掘技术，我们在这篇文章中给大家说了大数据分析技术、数据挖掘的意义、数据挖掘的技术以及方法还有机器学习，我们会在下一篇文章中给大家介绍更多的内容，最后感谢大家的阅读。