Mạng nơ-ron là chuỗi thuật toán cố gắng xác định mối quan hệ cơ bản trong tập dữ liệu qua quy trình mô phỏng cách não bộ con người hoạt động. Trong phương pháp này, mạng nơ-ron định nghĩa hệ thống nơ-ron, hữu cơ hoặc nhân tạo.
Mạng nơ-ron là kỹ thuật phân tích được mô hình hóa theo quá trình học tập trong hệ thống nhận thức và chức năng thần kinh của não bộ, có khả năng dự đoán quan sát mới (trên biến cụ thể) từ quan sát khác sau quá trình học từ thông tin hiện có. Mạng nơ-ron là một trong các kỹ thuật khai thác dữ liệu.
Mạng nơ-ron là mảng thuật toán cố gắng xác định mối quan hệ cơ bản trong tập dữ liệu qua quy trình mô phỏng kỹ thuật não bộ con người hoạt động. Trong ý nghĩa này, mạng nơ-ron định nghĩa hệ thống nơ-ron, hữu cơ hoặc nhân tạo.
Mạng nơ-ron liên quan trong hầu như mọi tình huống mà mối quan hệ giữa biến dự báo (độc lập, đầu vào) và biến dự đoán (phụ thuộc, đầu ra) tồn tại, ngay cả khi mối quan hệ phức tạp và không dễ diễn đạt bằng thuật ngữ chung "tương quan" hoặc "khác biệt giữa các nhóm".
Mạng nơ-ron là mạng các nơ-ron mô phỏng dùng để xác định các trường hợp mẫu. Mạng nơ-ron học bằng cách tìm kiếm qua không gian trọng số mạng.
Mạng nơ-ron là tập các đơn vị đầu vào/đầu ra liên kết nơi mỗi liên kết có trọng số liên quan. Trong quá trình học, mạng học bằng cách điều chỉnh trọng số để dự đoán nhãn lớp chính xác của mẫu đầu vào. Học NN còn gọi là học kết nối (connection learning) do kết nối giữa các đơn vị.
Mạng nơ-ron cần mục huấn luyện dài, bị chỉ trích vì tính diễn giải kém do khó diễn giải ý nghĩa biểu tượng sau trọng số học. Đặc điểm này làm mạng nơ-ron kém hấp dẫn cho khai thác dữ liệu ban đầu.
Tuy nhiên, mạng nơ-ron có dung lỗi cao với dữ liệu nhiễu và khả năng phân loại mẫu chưa được huấn luyện. Có nhiều thuật toán phát triển cho trích xuất quy tắc từ mạng nơ-ron đã huấn luyện. Các yếu tố này góp phần vào sự tiện lợi của mạng nơ-ron cho phân loại trong khai thác dữ liệu.
Trong kỹ thuật, mạng nơ-ron cung cấp hai chức năng quan trọng: bộ phân loại mẫu và bộ lọc thích ứng phi tuyến tính. Mạng nơ-ron nhân tạo (ANN) là hệ thống linh hoạt, thường phi tuyến tính, học thực hiện một hàm (ánh xạ đầu vào/đầu ra) từ dữ liệu. Thích ứng nghĩa là tham số hệ thống thay đổi trong vận hành, thường gọi là giai đoạn huấn luyện.
Sau giai đoạn huấn luyện, tham số ANN cố định và hệ thống sẵn sàng giải quyết vấn đề (giai đoạn kiểm tra). ANN được phát triển với quy trình từng bước hệ thống để tăng cường bài kiểm tra hiệu suất hoặc tuân theo ràng buộc nội tại ngầm, thường gọi là quy tắc học.