วิธีการขุดมีแง่มุมต่างๆ ดังต่อไปนี้ -
การขุดความรู้ที่หลากหลายและใหม่ การทำเหมืองข้อมูลครอบคลุมบริการวิเคราะห์ข้อมูลและค้นหาความรู้ในวงกว้าง ตั้งแต่การกำหนดลักษณะข้อมูลและการเลือกปฏิบัติ ไปจนถึงการวิเคราะห์ความสัมพันธ์และความสัมพันธ์ การจัดประเภท การถดถอย การจัดกลุ่ม วิธีนอกรีต วิธีลำดับ และการวิเคราะห์แนวโน้มและการคำนวณ
บริการเหล่านี้สามารถใช้ฐานข้อมูลเดียวกันได้หลายวิธีและต้องการการพัฒนาเทคนิคการทำเหมืองข้อมูลหลายแบบ เนื่องจากความหลากหลายของซอฟต์แวร์ บริการขุดใหม่ๆ จึงเกิดขึ้นอย่างต่อเนื่อง ทำให้การทำเหมืองข้อมูลเป็นสาขาที่ทรงพลังและเพิ่มขึ้นอย่างรวดเร็ว
ตัวอย่างเช่น สำหรับการค้นพบความรู้ที่มีประสิทธิภาพในเครือข่ายข้อมูล การรวมกลุ่มและการจัดอันดับอาจนำไปสู่การค้นหาคลัสเตอร์คุณภาพสูงและอันดับวัตถุในเครือข่ายระดับสูง
ขุดความรู้ในพื้นที่หลายมิติ − เมื่อสำรวจหาความรู้ในชุดข้อมูลสูง ก็สามารถวิเคราะห์ข้อมูลในพื้นที่หลายมิติได้ สามารถค้นหารูปแบบที่น่าสนใจระหว่างชุดของมิติ (แอตทริบิวต์) ที่นามธรรมหลายระดับ การขุดดังกล่าวเรียกว่าการทำเหมืองข้อมูลแบบหลายมิติ (เชิงสำรวจ)
ในหลายกรณี สามารถรวบรวมหรือพิจารณาข้อมูลเป็นคิวบ์ข้อมูลหลายมิติได้ ความรู้ด้านการขุดในพื้นที่ลูกบาศก์สามารถเพิ่มพลังและความสามารถในการปรับตัวของการทำเหมืองข้อมูล
การขุดข้อมูล—ความพยายามแบบสหวิทยาการ − พลังของการทำเหมืองข้อมูลสามารถปรับปรุงได้ด้วยการผสมผสานเทคนิคใหม่ๆ จากหลากหลายสาขาวิชา ตัวอย่างเช่น มันสามารถขุดบันทึกด้วยข้อความภาษาธรรมชาติ มันสร้างความรู้สึกที่จะหลอมรวมวิธีการขุดข้อมูลกับวิธีการดึงข้อมูลและการประมวลผลภาษาธรรมชาติ
เพิ่มพลังแห่งการค้นพบในสภาพแวดล้อมแบบเครือข่าย − ออบเจ็กต์ข้อมูลบางอย่างอยู่ในสภาพแวดล้อมที่เชื่อมต่อหรือเชื่อมต่อถึงกัน ไม่ว่าจะเป็นเว็บ การเชื่อมโยงฐานข้อมูล ไฟล์ หรือระเบียน การเชื่อมต่อเชิงความหมายระหว่างออบเจ็กต์ข้อมูลต่างๆ สามารถใช้เพื่อประโยชน์ในการทำเหมืองข้อมูล ความรู้ที่เปลี่ยนแปลงในชุดออบเจ็กต์ชุดเดียวสามารถใช้เพื่อเพิ่มการค้นพบความรู้ในกลุ่มวัตถุที่ "เชื่อมโยง" หรือความหมายเชิงความหมาย
การจัดการกับความไม่แน่นอน เสียง หรือความไม่สมบูรณ์ของข้อมูล − ข้อมูลรวมถึงสัญญาณรบกวน ข้อผิดพลาด ข้อยกเว้น หรือความคลุมเครือ หรือไม่สมบูรณ์ ข้อผิดพลาดและสัญญาณรบกวนอาจทำให้ขั้นตอนการทำเหมืองข้อมูลสับสน นำไปสู่การออกแบบที่ผิดพลาด การล้างข้อมูล การประมวลผลข้อมูลล่วงหน้า การตรวจจับและการลบค่าผิดปกติ และการให้เหตุผลของความคลุมเครือเป็นตัวอย่างของวิธีการที่จำเป็นต้องรวมเป็นหนึ่งเดียวกับกระบวนการขุดข้อมูล
การประเมินรูปแบบและการขุดตามรูปแบบหรือข้อจำกัด − ไม่ใช่รูปแบบบางอย่างที่สร้างโดยกระบวนการขุดข้อมูลที่น่าสนใจ สามารถสร้างรูปแบบได้น่าสนใจแตกต่างกันไปตามแต่ละผู้ใช้ ดังนั้น เทคนิคต่างๆ จึงจำเป็นในการประเมินความน่าสนใจของรูปแบบที่ค้นพบขึ้นอยู่กับมาตรการเชิงอัตนัย
สิ่งเหล่านี้คำนวณค่าของรูปแบบที่เกี่ยวข้องกับคลาสผู้ใช้ที่กำหนด ขึ้นอยู่กับความเชื่อหรือความคาดหวังของผู้ใช้ นอกจากนี้ การใช้มาตรการความน่าสนใจหรือข้อจำกัดที่ผู้ใช้กำหนดเพื่อทำความเข้าใจกระบวนการค้นพบ สามารถสร้างรูปแบบที่น่าสนใจยิ่งขึ้นและลดพื้นที่ในการค้นหาได้
