Il data mining è usato per analizzare le collezioni di Osservazioni

Il data mining è il processo di applicazione di questi metodi per dati con l'intenzione di scoprire modelli nascosti. E 'stato utilizzato per molti anni da società, governi e scienziati a setacciare volumi di dati, compresi i dati sui passeggeri aerei che viaggiano i dati del censimento e dati scanner supermercato per produrre rapporti di ricerca di mercato.

Una ragione importante per l'utilizzo il data mining è quello di aiutare a analizzare le collezioni di osservazioni del comportamento. Questo dato è vulnerabile a causa di rapporti di collinearità sconosciuti. Un fatto di data mining è che tutti i dati analizzati potrebbe non essere rappresentativa di tutto il campo, e quindi non possono fornire esempi di comportamenti critici e le relazioni esistenti in altri parti del campo.

Per superare questo problema, l'analisi può essere aumentata utilizzando approcci basati su esperimenti e altri, come i modelli di scelta per i dati generati umani. In queste situazioni, correlazioni intrinseche sia verificata o rimosso durante la costruzione del setup sperimentale
minerario

Dati coinvolge solitamente quattro categorie di attività:.

Layout - organizza i dati in gruppi predefiniti. Ad esempio, un programma di posta elettronica può cercare di e-mail come classificazione legittimi o spam. Algoritmi di apprendimento comuni sono alberi decisionali, vicino più prossimo, ingenuo classificazione Bayes e rete neurale

Clustering -. Come il formato, ma i gruppi non sono predefiniti, quindi l'algoritmo cercherà di oggetti simili di gruppo
<. p> Regressione - I tentativi di trovare una funzione che modella i dati con il minimo errore

Associazione di apprendimento regola -. Ricerche per le relazioni tra le variabili. Esempio, un supermercato potrebbe raccogliere dati sul comportamento d'acquisto dei clienti. Utilizzando l'apprendimento delle regole di associazione, il supermercato determinare quali prodotti sono spesso acquistati insieme e utilizzare queste informazioni per scopi di marketing. Questo si chiama analisi market basket. Adesso. Un'occhiata ad alcuni esempi in cui può essere utilizzato nel mondo reale.

Nel campo della ricerca in genetica umana, l'obiettivo è importante per capire il rapporto di corrispondenza tra le inter-variazioni individuali nelle sequenze di DNA umano e la variabilità nella suscettibilità alla malattia. In poche parole, è come i cambiamenti nella sequenza di DNA di un individuo influenzano il rischio di sviluppare malattie come il cancro. Questo è molto importante per la diagnosi, la prevenzione e il trattamento di malattie. La tecnica di data mining utilizzato per questo compito è noto come riduzione multifattoriale dimensionalità.

Nel campo dell'ingegneria elettrica, tecniche di data mining sono ampiamente utilizzati per il monitoraggio delle condizioni di apparecchiature elettriche ad alta tensione. Lo scopo di monitoraggio delle condizioni è quello di fornire informazioni preziose sulla salute dell'isolamento dell'apparecchiatura. Dati, come la combinazione di self-organizing map (SOM) è stata applicata al monitoraggio delle vibrazioni e l'analisi del trasformatore carico commutatori (CSC).

Usando il monitoraggio delle vibrazioni, si può notare che ogni operazione di modifica del rubinetto di un segnale sullo stato dei contatti e generare dischi trimmer. Naturalmente, le posizioni rubinetto generano segnali diversi. Tuttavia, vi era una notevole variabilità tra i segnali normalmente rende esattamente la stessa funzione. SOM è stato utilizzato per rilevare condizioni anomale e la natura delle deviazioni di stimare
 .;