第一章只有薄薄的十四頁，但先概述了數據挖掘的定義。也談到了數據挖掘的侷限性——邦弗蘭妮原理。最後介紹了數據挖掘要用到的相關知識，如TD·IDF,Hash,Index,二級存儲器,以及建模計算中需要用到的e，和冪定律。
雖然現在Data mining 炒的非常的火，但在幾十年前，這個概念還是具有貶義色彩的，指過度抽取數據而不是信息的本身。很多人把機器學習等價於數據挖掘，事實上，二者是包含和被包含的關係。一些數據挖掘中適當的使用了些機器學習的算法。機器學習的將數據作爲輸入來訓練相應的算法，比如貝葉斯網絡，決策樹，馬爾科夫鏈等。機器學習比較適合的領域是對數據挖掘沒有明確的目標。而如果對數據的目標可以直接描述的時候，比如簡歷篩選，機器學習就沒有了任何優勢.
數據建模的一般方法：
a.數據彙總，eg:PageRank
b.特徵抽取，1）Frequent Itemset 購物車關聯商品推薦 2）Similar Item 亞馬遜推薦系統
