다른 유형의 데이터 마이닝 기법은 무엇입니까?

데이터 마이닝은 일반적으로 대상 소스의 데이터를 분석하고 해당 피드백을 유용한 정보로 구성하는 데 사용되는 방법을 말합니다. 이 정보는 일반적으로 조직이 특정 영역에서 비용을 절감하거나 수익을 높이거나 둘 다를 돕는 데 사용됩니다. 종종 데이터 마이닝 응용 프로그램에 의해 촉진되는 주요 목표는 주어진 데이터 세트에 포함 된 패턴을 식별하고 추출하는 것입니다.

가장 중요한 점은 데이터 마이닝 기술이 데이터와 필수 기능을 더 잘 이해할 수 있도록 통찰력을 제공하는 것입니다. 회사와 조직은 다양한 유형의 데이터 마이닝 기술을 사용할 수 있습니다. 그들은 비슷한 접근법을 취할 수 있지만, 모두 서로 다른 목표를 달성하기 위해 노력합니다.

예측 데이터 마이닝 기술의 목적은 거의 항상 관심 응답을 예측하는 데 사용할 수있는 통계 모델 또는 패턴을 식별하는 것입니다. 예를 들어, 금융 기관은이를 사용하여 사기 가능성이 가장 높은 거래를 식별 할 수 있습니다. 이것은 가장 일반적인 데이터 마이닝 기술이며 중소 기업에 효율적인 의사 결정 도구가되었습니다. 또한 고객 행동 예측, 고객 분류, 다양한 이벤트 예측에 효과적인 것으로 입증되었습니다.

요약 모델은 요약 된 데이터에 따라 응답하는 데이터 마이닝 기술을 사용합니다. 예를 들어, 조직은 분석 프로세스에서 추출 된 특성을 기반으로 항공사 승객 또는 신용 카드 거래를 다른 그룹으로 할당 할 수 있습니다. 이 모델은 또한 기업이 고객 기반을 더 깊이 이해하는 데 도움이됩니다.

연관 모델은 특정 이벤트가 정기적으로 함께 발생할 수 있음을 고려합니다. 이는 마우스 및 키보드와 같은 항목을 동시에 구매하거나 특정 하드웨어 장치의 고장을 초래 한 일련의 이벤트 일 수 있습니다. 연관 모델은 이와 관련된 발생을 식별하고 특성화하는 데 사용되는 데이터 마이닝 기술을 나타냅니다.

네트워크 모델은 데이터 마이닝 기술을 사용하여 노드 및 링크 형식의 데이터 구조를 나타냅니다. 예를 들어, 조직 된 사기 링은 도난당한 신용 카드 번호 목록을 컴파일 한 다음 돌아 서서 온라인으로 품목을 구매하는 데 사용할 수 있습니다. 이 그림에서 신용 카드와 온라인 판매자는 노드를 나타내며 실제 거래는 링크 역할을합니다.

데이터 마이닝은 많은 목적을 가지고 있으며 긍정적이고 악의적 인 이익을 위해 사용될 수 있습니다. 더 많은 조직에서 데이터 마이닝 기술을 병합하여 하이브리드 모델을 구성하는 이점을 발견하게되었습니다. 이러한 강력한 조합으로 인해 성능이 우수한 응용 프로그램이 종종 만들어집니다. 다양한 방법의 주요 기능을 단일 하이브리드 솔루션에 통합함으로써 조직은 일반적으로 개별 전략 시스템의 한계를 극복 할 수 있습니다.