Le tecniche comunemente usati per il Data Mining

Il data mining è il processo di estrazione di relazioni da grandi insiemi di dati. Si tratta di un'area di computing che ha ricevuto molto interesse commerciale. . Il data mining In questo articolo spiegherò in dettaglio alcune delle forma più comune di analisi

Associazione governa scoperta: le regole di associazione tecnica scoperta viene utilizzata per catturare associazione &'; s set di dati. Tradizionalmente, la tecnologia è stata sviluppata con i dati del supermercato per comprare. > Y - X per formare un tipo di quello che potrebbe essere un esempio di una regola: "Se un cliente acquista latte, pane (- >) ha indicato che i clienti acquistano." Una sorta di un prezzo di sostegno e sostenere la fiducia di tutti gli ingressi (o in questo caso le operazioni) tutti gli elementi di tale percentuale ... Per esempio, la percentuale di transazioni nel latte e pane è acquistato. Ritengono che i lati sinistro di transazioni che soddisfano lato destro della regola soddisfano le regole, per esempio, in questo caso, la fiducia è la percentuale di acquisti. . È la percentuale di latte per comprare il pane comprato metodi di ricerca dell'Associazione utilizzano un supporto minimo specificato e la fiducia delle regole del set di dati dovrebbe sostenere tutte le possibili

Analisi cluster: cluster analysis per ottenere uno o più campi numerici e il processo è la assegnazione di tutti i valori. Gruppi vicini gli uni agli altri punti rappresentano il gruppo. Ad esempio, se si vede un documentario sul posto, si trova che la galassia contiene molte stelle e pianeti. Molte galassie ci sono nello spazio, ma le stelle ei pianeti sono in ammassi di galassie. In altre parole, le stelle e pianeti nello spazio sono scelti a caso, ma in gruppi di cluster di galassie. Tecniche di analisi cluster per trovare vengono utilizzati questi tipi di gruppi. Se un metodo di analisi dei cluster viene applicato alle stelle nello spazio, può essere che ogni galassia è un gruppo di stelle per ogni cluster in un dato galassia possono fornire una identità unica. Identificazione Cluster è un'altra area di insiemi di dati e l'analisi dei nuovi dati mining può essere utilizzato. Ad esempio, si raggruppa le regole del set di dati di cooperazione in altri settori individuati come campo può utilizzare

Gli alberi di decisione:. Gli alberi decisionali per un set di dati per contribuire a formare un albero di decisione è un preventivo. Ad esempio, se si un insieme di dati per prevedere quando il credito di un prestito del richiedente prospettico, un albero di decisione è stato sviluppato sulla base di fattori utilizzati nel set di dati stanno cercando. Albero in un richiedente prestito che il richiedente se il richiedente è in funzione o meno, il reddito e il servizio del debito del richiedente prima dell'età della quantità totale di tali decisioni può includere fallito. Se si riesce a seguire l'albero decisionale, per esempio, se un richiedente ha sempre meno a un prestito fino al richiedente ha un lavoro, il suo reddito per i primi 15 percentile del paese e del debito relativamente basso in mancanza di lì hanno un rischio più basso.

Al tecniche di data mining data mining per analizzare un gruppo alcuni dei metodi più comuni comunemente utilizzati nell'analisi di grandi insiemi di dati. Queste tecniche informazioni e dati utili per interpretare correttamente le relazioni che altrimenti avrebbero potuto rivelarsi utile per le grandi folle Hotel  .;