Yleisesti käytettyjä tekniikoita Data Mining

Tietojen louhinta on prosessi talteen suhteiden suurista aineistoja. Tämä on alue computing, joka on saanut paljon kaupallista etua. Data mining Tässä artikkelissa yksityiskohtaisesti joitakin yleisin analyysi.

Yhdistyksen säännöt löytö: Yhdistyksen säännöt löytö tekniikkaa käytetään kaapata yhdistys &'; s aineistot. Perinteisesti tekniikka on kehitetty tietojen supermarketista ostaa. ≫ Y - X muodostaa eräänlainen mitä voi olla esimerkki sääntö: "Jos asiakas ostaa maitoa, leipää (- >). Ilmoitti, että asiakkaat ostavat" eräänlainen tukihinta ja tukemaan luottamusta kaikkien tulojen (tai tässä tapauksessa liiketoimet) kaikki elementit tämän prosenttiosuuden ... Esimerkiksi prosenttiosuus liiketoimien maito ja leipä ostetaan. Usko, että vasemmalla puolella liiketoimia, jotka täyttävät säännön oikealla puolella ovat sellaisten sääntöjen mukaiset, esimerkiksi tässä tapauksessa luottamus on prosenttiosuus ostoista. On prosenttiosuus maitoa ostaa leipää ostanut ry hakutavat käyttää tietyn vähimmäis- tuki ja luottamus aineisto sääntöjä olisi tuettava kaikkia mahdollisia.

Klusterianalyysi: klusterianalyysi saada yhtenä tai useampana lukuna kenttiä ja prosessi on jakamisesta kaikki arvot. Ryhmät lähellä toisiaan pistettä edustavat ryhmä. Esimerkiksi, jos näet dokumentin sijainti, tulet huomaamaan, että galaksin sisältää monia tähtiä ja planeettoja. Monet galaksit ovat siellä avaruudessa, mutta tähdet ja planeetat ovat klustereita galaksit. Toisin sanoen, tähdet ja planeetat avaruudessa valitaan satunnaisesti, mutta klusterin ryhmissä galakseja. Klusterianalyysi tekniikoita löytää tämäntyyppisiä ryhmiä käytetään. Jos menetelmä ryhmäanalyysi sovelletaan tähdet avaruudessa, se voi olla, että jokainen galaksi on ryhmä tähteä kunkin klusterin tietyllä galaksi voi tarjota ainutlaatuisen identiteetin. Klusteri tunnistaminen on toinen alue, aineistojen ja analysointi uusien data mining voidaan käyttää. Voit esimerkiksi klusterin aineisto sääntöjä yhteistyön muilla aloilla todettu kenttään voi käyttää.

Päätös puita: Päätös puita joukko tietoja auttaa muodostamaan päätös puu on hinta-arvio. Esimerkiksi, jos joukko tietoja ennustaa mahdollisen lainan hakijan luotto, päätös puu on kehitetty perustuu käytetyt tekijät tietojoukko etsivät. Puu lainan hakijalle, että jos kantaja toimii tai ei, hakijan tulot ja velanhoito ennen ikää kokonaismäärä tällaiset päätökset voivat olla epäonnistunut. Jos voit seurata päätöksen puu, esimerkiksi, jos hakija on koskaan laiminlyönyt lainan kunnes hakija on työpaikka, hänen tuloja top 15 persentiilin maassa ja suhteellisen alhainen velka oletuksena siellä on pienempi riski.

data mining data mining tekniikoita analysoida suuri joukko joitakin yleisimpiä menetelmiä yleisesti käytetty analysointiin suuria tietomääriä. Nämä tekniikat hyödyllisiä tietoja oikein tulkita suhteita, jotka muuten olisivat osoittautuneet hyödyllisiksi suurille väkijoukkoja.
.