Che cos'è una classificazione di data mining?
La classificazione del data mining è un passo nel processo di data mining. Viene utilizzato per raggruppare gli elementi in base a determinate caratteristiche chiave. Esistono diverse tecniche utilizzate per la classificazione del data mining, tra cui la classificazione del vicino più vicino, l'apprendimento dell'albero decisionale e il supporto di macchine vettoriali.
Il data mining è un metodo utilizzato dai ricercatori per estrarre schemi dai dati. Generalmente un campione rappresentativo viene scelto dal pool di dati e quindi manipolato e analizzato per trovare modelli. Oltre alla classificazione del data mining, i ricercatori possono anche utilizzare il clustering, la regressione e l'apprendimento delle regole per analizzare i dati.
Esistono diversi algoritmi che possono essere utilizzati nella classificazione del data mining. La classificazione del vicino più vicino è uno dei più semplici algoritmi di classificazione del data mining. Si basa su un set di allenamento. Un set di training è un set di dati utilizzato per addestrare il computer a prestare attenzione a determinate variabili. Nella classificazione del vicino più vicino, il computer classifica semplicemente tutti i dati come parte del gruppo che contiene i dati più vicini in valore all'input.
L'apprendimento dell'albero decisionale utilizza un modello di ramificazione per classificare i dati. Il computer sostanzialmente pone una serie di domande sui dati. Se la risposta alla prima domanda è vera, pone la domanda 2a. Se la risposta è falsa, pone la domanda 2b. Se disegnato, questo metodo forma un albero di percorsi ramificati.
La classificazione Naive Bayes si basa sulla probabilità. Pone una serie di domande su ciascun dato e quindi utilizza le risposte per determinare la probabilità che i dati appartengano a una particolare classificazione. Questo è diverso dall'apprendimento dell'albero decisionale perché la risposta alla prima domanda non influenza quale domanda verrà posta successivamente.
Metodi più complessi di classificazione del data mining includono reti neurali e macchine vettoriali di supporto. Questi metodi sono modelli basati su computer che sarebbe difficile fare a mano. Le reti neurali sono spesso utilizzate nella programmazione dell'intelligenza artificiale perché imitano il cervello umano. Filtra le informazioni attraverso una serie di nodi che trovano modelli e quindi classificano le informazioni.
Le macchine vettoriali di supporto utilizzano campioni di addestramento per costruire un modello che classificherà le informazioni, solitamente visualizzate come un diagramma a dispersione con un ampio spazio tra le categorie. Quando le nuove informazioni vengono immesse nella macchina, vengono tracciate sul grafico. I dati vengono quindi classificati in base alla categoria a cui le informazioni sono più vicine al grafico. Questo metodo funziona solo quando ci sono due opzioni tra cui scegliere.