Perusteet ja tarkoitus Data Mining

merkitys ja käyttö Data Mining:
Tiedon louhinta on suhteellisen uusi termi, joka prosessi, jossa saatujen tietojen ennustemallien näkyvät.

Relaatiotietokantojen ovat usein suuria määriä kerättyjen tietojen tallennetaan voivat olla merkittäviä. Mutta mitä tietoja? Koska yritys tai työnantaja, jotka ovat kriittisiä niiden suorituskykyä ja toimia, jotka perustuvat näitä malleja on organisaatio? Etsiminen manuaalisesti tallennettujen tietojen suuri tietokanta ja sitten päättää, mitä organisaatio on tärkeää olla lähes mahdotonta.

Tässä on tekniikoita tiedonlouhinta tulla apuun! Tiedon louhinta ohjelmisto analysoi suuren määrän dataa suhteita ja takaa standardin oppimisen pelejä.

tiedonlouhinnan menetelmiä:
On monia data mining (DM) tekniikoita ja kysyy millaisia ​​tietoja vaikuttaa voimakkaasti tyyppi tiedonlouhinnan menetelmiä.

Huomaa, että luonne Data Mining DM ja kehittymässä uutta teknologiaa sovelletaan aina.

klusterointi, regressio, luokittelu ja yhteistyön muotoja: Yleensä on käyttämän useita tärkeitä tekniikoita data mining.

Klusterointi:
Clustering aineistoja että on jonkinlainen suhde kuin samanlainen tunnistetut tiedot on ryhmitelty koulutus koskee. Esimerkki tästä tulee alas myyntitietojen olisi kyseisillä markkinoilla.

Arvosana:
kysymykset tietovarasto tunnettuja tietorakenteen ryhmitellään sovelluksen. Tämä menetelmä sopii puhdistukseen tietojen ja päätös puita, neuroverkot ja "naapuriin" menetelmiä, kuten oppiminen algoritmit yhden tai useamman käyttötarkoituksia.

regressio:
regressio käyttää matemaattista kaavaa ja on hyvä digitaalinen tiedot. Se on lähinnä numeeriset tiedot ja sitten soveltaa kaavaa, joka säätää tietojen testata.

Uusi tieto voidaan kytkeä kaava, tulos ennakoivan analytiikan.

ry:
Usein kutsutaan "yhdistyksen sääntö oppiminen, verkko suosittu ja vaihteleva (tietovarasto jossa tallennetaan analyysiä varten) mielenkiintoinen suhde tutkimuksen tuo. Kun yhdistys" sääntö "loi, ennusteita voidaan tehdä Tämän katsotaan ja yksi yritys :. ihmiset ostavat tietyn kohteen, niin voi olla hyvä mahdollisuus, että heillä on myös elementti (vieressä tallentaa johtaja on varma, että nämä elementit voivat luoda voi ostaa olla muut).

Data Mining ja Business Intelligence pino :

Yritystiedot kerääminen ja tallentaminen analyysin viitata enemmän tietoisia päätöksiä. business intelligence, usein on useita kerroksia, jotka on jaettu business intelligence pino muodostumista.

Kahdenväliset mobiili (business intelligence ) ovat: data, analysointi ja ohut kerros esityksen.

analyysi kerros on vastuussa tietojen analysointi ja tiedon louhinta, jossa huppu on pino. Muut erät, jotka ovat osa kerroksen analyysin ja ennakoivan analyysin (Suorituskykyilmaisin) suorituskykyilmaisimet harjoittelet.

Tietojen louhinta on olennainen osa business intelligence, data ryhmän, että tiedot näyttö (BI osa esityskerroksen altistumisen ja loppukäyttäjän helpottaa suhteiden pääparistot). Yksityishenkilöt voivat nopeasti tarkistaa näitä suhteita ja graafisesti näyttää tiedot perustuvat jonkinlainen toimenpiteistä.
.