資料挖掘領域的10大挑戰

 <b>1.Devaloping a Unifying Thcory of Data Mining</b>

   形成資料挖掘的統一理論，目前的資料挖掘都是為企業解決問題二使用，是點對點的，沒有統一的理論。

<b>2.Scaling Up for High Dimensional Date/High Speed Streams</b>

   高維資料和高速資料流的同比列擴大

<b>3.Mining sequence data and time series data</b>

   時序和時間序列資料挖掘準确高效的進行趨勢預測，消除噪音

<b>4.Mining complex knowledge from complex data</b>

   從複雜資料中挖掘複雜；圖挖掘；網頁，社交網絡資料；資料挖掘和知識推理的結合

<b>5.Data mining in a Network setting</b>

   知識網絡設定中的資料挖掘；網絡社群和社交網絡、計算機網絡中的資料包

<b>6.Distributed data mining and mining multi-agent data</b>

   分布式資料挖掘和多智能體資料挖掘

<b>7.Data mining for biological and environmental problems</b>

   生物資料挖掘和環境問題；生物資料的挖掘，DNA，化學結構的3D結構

<b>8.Data mining process related problems</b>

   資料挖掘過程以及相關論題

   資料挖掘操作的組合，資料挖掘過程的自動化實作，帶有日志功能的資料清理，挖掘自動化和可視化

<b>9.Security, privacy and data integrity</b>

   安全，隐私和資料完整性

<b>10.Dealing with non-static,unbalanced and cost-sensitive data</b>

    處理非靜态、失衡的以及代價敏感的資料