Hvad er de forskellige typer af dataudvindingsanalyse?

Data mining analyse kan være en nyttig proces, der giver forskellige resultater afhængigt af den specifikke algoritme, der bruges til dataevaluering. Almindelige typer data mining analyse inkluderer: exploratory data analysis (EDA), beskrivende modellering, forudsigelig modellering og opdagelse af mønstre og regler. Brug af hvert af disse dataindvindingsværktøjer giver et andet perspektiv på indsamlet information. Fagfolk, der bruger disse teknikker, kan få yderligere indsigt i et problem eller et problem, der er bekymret baseret på det specifikke analyseværktøj, der anvendes.

På grund af de forskellige resultater, som data mining analyseværktøjer giver, når de anvendes, er det relevant at overveje en grundlæggende gennemgang af hver. Undersøgende dataanalyse, eller EDA, involverer gennemgang af et datasæt uden klare resultatmål for undersøgelsen. Variabler, der definerer dataene, bruges som et fundament til at give visuelle repræsentationer til forskeren. Efterhånden som antallet af variabler stiger, kan dette værktøj til analyse af dataindvinding blive mindre effektivt til visualisering af data.

Beskrivende modellering er et data mining-værktøj, der bruges til samlet at beskrive alle data i et givet datasæt. Specifikt syntetiserer denne tilgang alle dataene til at give information om tendenser, segmenter og klynger, der er til stede i den søgte information. Beskrivende data mining analyse er ofte brugt i reklamer. Et eksempel på dette er markedssegmentering, hvor marketingfolk tager større kundegrupper og segmenterer dem efter homogene egenskaber.

Data mining analyseværktøjer inkluderer også forudsigelig modellering. Forudsigelig modellering involverer udvikling af en model baseret på eksisterende data. Modellen bruges derefter som basis for forudsigelse af en anden variabel, der er relevant for de gennemgåede data. Udtrykket "forudsigelig" indikerer, at dette data mining-værktøj kan gøre det muligt for brugeren at forudsige en værdi baseret på det, der er kendt i datasættet. Prediktiv analyse kan anvendes af marketingfolk til at bestemme, hvilke produkter kunderne søger. Baseret på den aktuelle indkøbstrend kan marketingfolk muligvis komme med forudsigelser om, hvilke nye produkter der måske er populære i fremtiden.

At opdage mønstre og regler adskiller sig fra beskrivende og forudsigelige dataindvindingsværktøjer. Mens beskrivende og forudsigelige værktøjer anvender modelopbygning som et fundament for analyse, fokuserer opdagelsen af ​​mønstre og regler på identifikation af mønstre i dataene. Marketingfolk, der arbejder i købmandsforretninger, bruger ofte dette data mining-værktøj som et middel til at bestemme købsmønstre. Ved at bestemme, hvilke produkter kunderne konsekvent køber i samme rækkefølge, kan der udvikles målrettede kampagner for varerne.