Almindeligt anvendte Teknikker til Data Mining

Data mining er processen med at udvinde relationer fra store datasæt. Dette er et område af computere, der har fået megen kommerciel interesse. . Data mining I denne artikel vil jeg nærmere nogle af de mest almindelige form for analyse

Forening regler opdagelse: forening regler opdagelse teknik bruges til at fange forening &'; s datasæt. Traditionelt har teknologien udviklet med data fra supermarkedet for at købe. > Y - X for at danne en form for hvad der kan være et eksempel på en regel: "Hvis en kunde køber mælk, brød (- >) indikerede, at kunderne køber." En slags en støtte pris og støtte tillid alle indgange (eller i dette tilfælde transaktioner) alle elementer af denne procentsats ... For eksempel er andelen af ​​transaktioner i mælk og brød er købt. Mener, at venstre side af transaktioner, der opfylder reglen højre side opfylder reglerne, for eksempel, i dette tilfælde, tillid er den procentdel af køb. . Er den procentdel af mælk at købe brød købte Association søgemetoder bruger en specificeret minimum støtte og tillid datasæt regler bør støtte alle mulige

Cluster analyse: cluster analyse for at opnå et eller flere numeriske felter og processen er den tildeling af alle værdier. Grupper tæt på hinanden punkter repræsenterer gruppen. For eksempel, hvis du ser en dokumentarfilm om placering, vil du opdage, at galaksen indeholder mange stjerner og planeter. Mange galakser er der i rummet, men stjernerne og planeterne er i galaksehobe. Med andre ord, er stjerner og planeter i rummet valgt tilfældigt, men klynge i grupper af galakser. Cluster analyseteknikker for at finde disse typer af grupper anvendes. Hvis en fremgangsmåde til klyngeanalyse påføres stjernerne i rummet, kan det være, at hver galakse er en gruppe af stjerner for hver klynge i en given Galaxy kan give en unik identitet. Cluster identifikation er et andet område af datasæt og analyse af nye data mining kan anvendes. For eksempel, du klynge datasæt regler for samarbejde på andre områder, som feltet kan bruge

Afgørelse træer:. Beslutning træer for et sæt af data til bidrage til at danne et beslutningstræ er et prisoverslag. For eksempel, hvis du et sæt data at forudsige, hvornår en potentiel lån ansøgerens kredit, blev et beslutningstræ udviklet på baggrund af faktorer, der anvendes i datasættet er på udkig efter. Træ i et lån ansøgeren, at ansøgeren, hvis ansøgeren virker eller ej, kan ansøgerens indkomst og gæld tjeneste før en alder af det samlede beløb for sådanne beslutninger omfatter mislykkedes. Hvis du kan følge afgørelsen træet, for eksempel, hvis en ansøger nogensinde har misligholdt et lån, indtil ansøgeren har et job, hans indkomst for top 15 percentilen i landet og forholdsvis lav gæld i mangel af der har en lavere risiko.

På data mining data mining teknikker til at analysere en stor gruppe nogle af de mest almindelige metoder, der almindeligvis anvendes i analysen af ​​store datasæt. Disse teknikker nyttige oplysninger og data til korrekt at fortolke de relationer, der ellers kunne have vist sig nyttigt til store skarer
.