Was sind die verschiedenen Data Mining -Methoden?
Es gibt eine Vielzahl verschiedener Data Mining -Methoden, die sowohl in Softwareoptionen als auch in theoretischen Konzepten verwendet werden. Diese ermöglichen es Benutzern, Informationen aus Daten zu extrahieren, die von Einzelpersonen und Unternehmen mit einer Vielzahl von Tools gesammelt wurden. Große Datenmengen können verwendet werden, um verschiedene Faktoren in einem einzelnen Thema oder einer Vielzahl von Probanden zu bestimmen. Diese Data Mining -Methoden werden am häufigsten in den Bereichen Betrugsschutz, Marketing und Überwachung verwendet. Moderne Techniken verwenden jedoch automatisierte Konzepte, um wesentliche Daten über computergestützte Ressourcen bereitzustellen. Als Computerwissenschaften im 20. Jahrhundert auftraten, entwickelte sich das Konzept von Data Mining -Methoden, um verborgene Muster in großen Teilen gesammelten Daten zu überwinden. Ein gutes Beispiel dafür ist, wenn ein Werbeunternehmen die Einkaufsmuster eines Online -Kunden analysiert. Dieses Unternehmen kann dann bestimmte Produkte vermarkten, dieDie Person kann sich für den Kauf interessieren. KDD wurde 1989 von Gregory Piatetsky-Shapiro entwickelt und ermöglicht es Benutzern, Rohdaten zu verarbeiten, die Informationen für erforderliche Daten zu analysieren und die Ergebnisse zu interpretieren. Mit dieser Methode können Benutzer Muster in den Algorithmen finden. Die allgemeinen Daten sind jedoch nicht immer genau und können auf Kompromisse zusammengestellt werden. Dies wird als übernützt .
Grundlegende Data Mining -Methoden umfassen vier bestimmte Arten von Aufgaben: Klassifizierung, Clustering, Regression und Assoziation. Klassifizierung nimmt die vorhandenen Informationen und verbindet sie in definierte Gruppierungen. clustering entfernt die definierten Gruppierungen und ermöglicht es den Daten, sich nach ähnlichen Elementen zu klassifizieren. Regression konzentriert sich auf die Funktion der Informationen, ModellierungDie Daten zum Konzept. Die endgültige Data Mining -Methode, Association , versucht, Beziehungen zwischen den verschiedenen Datenfeeds zu finden.
Bei Verwendung der verschiedenen Data -Mining -Methoden werden bestimmte Standards verwendet, um zu bestimmen, welche Parameter im Prozess verwendet werden können. Die spezielle Interessengruppe von Association for Computing Machinery zur Erkennung und Data Mining (SIGKDD) verfolgt eine Jahresversammlung, in der festgelegt wird, welche Prozesse angemessen sind. Ethische Faktoren werden zusammen mit praktischen Anwendungen abgewogen, um die besten Informationen über Einzelpersonen und Unternehmen zu finden. Diese Informationen werden in einem Branchenjournal namens sigkdd explorations veröffentlicht.