是指如何把大数据智能化的潜力挖掘出来

在智能化的潜力挖掘方面，以下是三个关键方法：

1. 数据库方法

数据库方法主要包括多维数据分析或OLAP方法，以及面向属性的归纳方法。数据挖掘与传统的数据统计和分析方法不同，它并没有预先设定好的问题，而是通过挖掘大量数据中的潜在隐藏信息和知识。在这种方法中，使用的是数据库技术和算法来处理和分析数据，从而发现数据之间的关联性和规律性。

2. 遗传算法

遗传算法是一种基于生物自然选择和遗传机理的随机搜索算法，也是一种仿生全局优化方法。遗传算法具有隐含的并行性和易于与其他模型结合的特点，因此在数据挖掘中得到广泛应用。通过模拟自然界的演化过程，遗传算法能够在大规模数据中搜索最优解，从而挖掘出中的潜在信息和知识。

3. 文本挖掘

文本挖掘是挖掘中的一个重要方法，它主要用于从大量文本数据中提取有用的信息和知识。文本挖掘可以通过自然语言处理、信息检索和机器学习等技术来实现。它可以帮助人们从海量文本中挖掘出隐藏的模式、关系和趋势，从而为决策提供参考。在时代，文本挖掘成为了理解和分析大规模文本数据的重要手段。

通过数据库方法，可以通过分析中的关联性和规律性来挖掘潜在的信息和知识。遗传算法则通过模拟生物自然选择和遗传机制来搜索中的最优解，从而发现隐藏的信息。而文本挖掘方法则可以从大量文本数据中提取有用的信息和知识。这些方法的应用可以帮助我们挖掘的智能化潜力，为决策提供有力的支持。在未来的发展中，我们可以进一步研究和应用这些方法，以开发更多的智能化挖掘技术。