Vad är data miningverktyg?
data för data mining är mjukvarukomponenter och teorier som gör det möjligt för användare att extrahera information från data. Verktygen ger individer och företag möjlighet att samla in stora mängder data och använda den för att göra bestämmelser om en viss användare eller grupper av användare. Några av de vanligaste användningarna av data mining -verktyg finns inom marknadsföring, bedrägeriskydd och övervakning.
Den manuella extraktionen av data har funnits i hundratals år. Automatiseringen av data mining har emellertid varit vanligast sedan datorns början. Under 1900 -talet uppstod olika datavetenskaper för att stödja konceptet att utveckla data för data mining. Det övergripande målet för användningen av verktygen är att avslöja dolda mönster. Till exempel, om ett marknadsföringsföretag finner att en person tar en månatlig resa från New York City till Los Angeles, blir det fördelaktigt för det företaget att annonsera detaljer om destinationen till individen.
inom datEn gruvindustri har standarder fastställts för att definiera parametrarna för användningen av data miningverktyg. Årligen håller Association for Computing Machinery's Special Interest Group on Knowledge Discovery and Data Mining (SIGKDD) ett möte för att avgöra vilka processer som används. Samma grupp ansvarar också för att bedöma de etiska konsekvenserna av analysen av data från individer och företag. En tvåårig tidskrift publiceras av gruppen med titeln Sigkdd Explorations.
Det vanligaste verktyget som används i data mining är processen som kallas kunskapsupptäckt i databaser (KDD). KDD utvecklades 1989 av Gregory Piatetsky-Shapiro. Med hjälp av detta data mining -verktyg kan användare behandla rådata, bryta data för information och tolka de olika resultaten i form av informationshantering.
En av de viktigaste formerna av datainbrytningsverktyg används för COMbating terrorism under 2000 -talet. I USA använder National Research Council begreppen mönsterbrytning och ämnesbaserad data mining för att identifiera terroristaktivitet i den stora poolen av information runt om i världen. Mönsterbrytning definieras av processen för att hitta mönster inom en stor volym av data. Ämnesbaserad data mining försök att identifiera förhållanden mellan individer. Båda teknikerna kan också användas i allmän affärspraxis genom att definiera tankesättet för en kundbas och det interaktiva förhållandet mellan kunder.