Eksploracja danych
Poszukiwanie wzorców w dużych zbiorach danych — określenie, którego statystycy pierwotnie używali jako obelgi.
Nazwa wyrosła w środowisku baz danych około 1990 roku. Wśród statystyków „data dredging” od dawna oznaczało szukanie tak długo, aż coś wyda się istotne, co w dostatecznie dużym zbiorze zawsze w końcu się zdarza. Dziedzina odpowiedziała metodologią: procesem KDD, a później CRISP-DM (1999), który dzieli pracę na fazy od zrozumienia biznesu po wdrożenie, i w którym najwięcej czasu pochłania czyszczenie danych.
Klasyczne techniki to reguły asocjacyjne (Apriori, 1994 — analiza koszykowa i niezliczenie powtarzana, a nigdy niepotwierdzona opowieść o pieluchach i piwie), klasyfikacja, klasteryzacja i wykrywanie anomalii. Od 2012 roku etykietę w dużej mierze wyparły data science i uczenie maszynowe, ale zestaw narzędzi jest w zasadzie ten sam — podobnie jak główna wada: znajdowanie wzorców, które nie uogólniają się na nowe dane.