데이터 마이닝 개요

대용량 데이터에서 예측 패턴과 관련 정보를 추출하는 것을 데이터 마이닝이라고합니다. 의사 결정에 기여하는 패턴을 얻는 데 도움이됩니다. 다양한 정보 마이닝 (DM) 방법이 있으며 분석되는 정보의 종류가 활용되는 정보 마이닝 시스템의 종류에 확고하게 영향을 미칩니다. 묶음은 정보가 비교되는 것으로 인식하는 일종의 관계에 의해 수집되는 정보 묶음의 배열을 암시합니다. 

대용량 데이터에서 예측 패턴과 관련 정보를 추출하는 것을 데이터 마이닝이라고합니다. 의사 결정에 도움이되는 패턴을 습득하는 데 도움이됩니다.

정보는 거대한 관계형 데이터베이스에 저장되는 경우가 많으며 데이터를 멀리 두는 것이 중요 할 수 있습니다. 어쨌든이 정보는 무엇을 의미합니까? 어떤 방법으로 조직이나 협회는 그 실행의 기초가되는 예제를 이해할 수 있으며 그 후에 이러한 예제를 고려하여 움직일 수 있습니까? 팽창성 데이터베이스에 저장된 데이터를 물리적으로 헤엄 칠 수 있고 이후에 당신의 협회에 필수적인 것을 이해하는 것은 생각할 수없는 것일 수 있습니다.

이것은 장소 정보 마이닝 시스템이 영웅 역할을합니다! 정보 마이닝 프로그래밍은 엄청난 양의 정보를 조사한 후 연결을 살펴봄으로써 예전의 예를 결정합니다.

데이터 마이닝 기법

다양한 정보 마이닝 (DM) 방법이 있으며 분석되는 정보의 종류는 활용되는 정보 마이닝 시스템의 종류에 확고하게 영향을 미칩니다.

정보 마이닝 개념은 지속적으로 발전하고 있으며 새로운 DM 절차가 지속적으로 실현되고 있습니다.

대부분의 경우, 정보 마이닝 프로그래밍에서 사용되는 몇 가지 기본적인 절차가 있습니다 : 그룹화, 배열, 재발 및 제휴 기술.

그룹화 :

묶음은 정보가 비교되는 것으로 인식하는 일종의 관계에 의해 수집되는 정보 묶음의 배열을 암시합니다. 이 사건은 특정 시장으로 분류 된 정보를 다루게 될 것입니다.

분류

정보는 정보 분배 센터에 알려진 구조를 적용하여 함께 조립됩니다. 이 전략은 불만족스러운 데이터 및 선택 트리 학습, 신경 시스템 및 "가장 가까운 이웃"전략과 같은 최소한 하나의 계산을 사용하는 경우 탁월합니다.

회귀 :

이 유형은 과학적 방정식을 사용하며 수치 데이터에 매우 유용합니다. 그것은 근본적으로 숫자 정보를 방황하고 그 정보에 맞는 방정식을 적용하려고 노력합니다.

그러면 새로운 정보가 방정식에 연결되어 선견지명을 조사하게됩니다. 

입회:

이 전략은 유명하며, 정보 저장소 (정보가 조사 대상이되는 곳)의 요인들 간의 흥미로운 연관성에 대한 계시를 포함합니다. 일단 소속 "리드"가 구축되면 예측을하고 따라 할 수 있습니다. 이 경우의 사례는 쇼핑입니다. 개인이 특정 시점에서 특정 항목을 구입하면 다른 특정 항목을 추가로 구매할 가능성이 있습니다 (상점 관리자는 이러한 항목이 서로 가깝게 위치 할 수 있음을 보장 할 수 있음).