Рубрики

Сбор данных

В общих чертах, «добыча полезных ископаемых» — это процесс извлечения некоторого ценного материала из земли, например, добычи угля, добычи алмазов и т. Д. В контексте информатики, «добыча данных» относится к извлечению полезной информации из массива данных. или хранилища данных . Видно, что сам термин немного сбивает с толку. В случае добычи угля или алмазов результатом процесса добычи является уголь или алмаз. Но в случае Data Mining, результатом процесса извлечения не являются данные !! Вместо этого результатом анализа данных являются шаблоны и знания, которые мы получаем в конце процесса извлечения. В этом смысле интеллектуальный анализ данных также известен как обнаружение знаний или извлечение знаний.

Грегори Петецкий-Шапиро ввел термин «Обнаружение знаний в базах данных» в 1989 году. Однако термин «интеллектуальный анализ данных» стал более популярным в деловых и пресс-сообществах. В настоящее время Data Mining и Knowledge Discovery используются взаимозаменяемо.

В наши дни интеллектуальный анализ данных используется практически во всех местах, где хранятся и обрабатываются большие объемы данных. Например, банки обычно используют «интеллектуальный анализ данных», чтобы найти своих потенциальных клиентов, которые также могут быть заинтересованы в кредитных картах, личных займах или страховках. Поскольку банки располагают подробными данными о транзакциях и подробными профилями своих клиентов, они анализируют все эти данные и пытаются выяснить схемы, которые помогают им предсказать, что определенные клиенты могут быть заинтересованы в личных займах и т. Д.

Основная цель Data Mining
По сути, информация, полученная от Data Mining, помогает прогнозировать скрытые модели, будущие тенденции и поведение и позволяет компаниям принимать решения.

Технически, интеллектуальный анализ данных — это вычислительный процесс анализа данных с разных точек зрения, размеров, ракурсов и категоризации / обобщения их в значимую информацию.
Data Mining может применяться к любому типу данных, например, к хранилищам данных, транзакционным базам данных, реляционным базам данных, мультимедийным базам данных, пространственным базам данных, базам данных временных рядов, World Wide Web.

Data Mining в целом процесс
Весь процесс Data Mining состоит из трех основных этапов:
1. Предварительная обработка данных — происходит очистка, интеграция, выбор и преобразование данных
2. Извлечение данных — Возникновение точного интеллектуального анализа данных
3. Оценка и представление данных — анализ и представление результатов

В будущих статьях мы рассмотрим детали каждого из этих этапов.

Приложения Data Mining
1. Финансовый анализ
2. Биологический анализ
3. Научный анализ
4. Обнаружение вторжения
5. Обнаружение мошенничества
6. Анализ исследований

Реальный пример Data Mining — Анализ Корзины Рынка
Анализ Корзины Рынка — это метод, который дает тщательное изучение покупок, совершаемых клиентом на супермаркете. Эта концепция в основном применяется для идентификации товаров, которые покупатели покупают вместе. Скажем, если человек покупает хлеб, каковы шансы, что он также купит масло. Этот анализ помогает в продвижении предложений и сделок компаний. То же самое делается с помощью интеллектуального анализа данных.

Эта статья предоставлена Шиной Кохли . Если вы как GeeksforGeeks и хотели бы внести свой вклад, вы также можете написать статью с помощью contribute.geeksforgeeks.org или по почте статьи contribute@geeksforgeeks.org. Смотрите свою статью, появляющуюся на главной странице GeeksforGeeks, и помогите другим вундеркиндам.

Пожалуйста, пишите комментарии, если вы обнаружите что-то неправильное или вы хотите поделиться дополнительной информацией по обсуждаемой выше теме.

Рекомендуемые посты:

Сбор данных

0.00 (0%) 0 votes