Data mining er metoden for å trekke ut mønstre fra data. Data mining blir mer og mer viktig verktøy for å transformere denne data til informasjon. Det brukes mye i profilering praksis.
Data mining er en kraftig teknologi som spår fremtidige trender og atferd. Data mining teknikker kan også implementeres på eksisterende programvare og maskinvare for å øke verdien av eksisterende programvare.
Hvordan data mining Works? Spørsmålet er hvordan data mining fungerer og hvordan det er gunstig for virksomheten?
Data mining fortelle oss at det kommer til å skje videre? Teknikkene som brukes til dette formålet kalles modellering. Modellering er på hele loven for å gjøre en modell i en situasjon som u kjenne og anvende denne modellen i den situasjonen at du ikke vet. Data mining programvaren analyserer relasjoner og mønstre. Mange typer analytisk programvare er tilgjengelig som statistisk, maskinlæring, og nevrale nettverk. I det store og disse fire typer relasjoner som er nødvendige data mining:
Klasser: Lagret informasjonen blir brukt til å spore data i avtalte groups.Clusters: Dataelementer grupperes på grunnlag av logiske sammenhenger eller kunde preferences.Associations: Denne kalles også Associative gruvedrift. Data kan også trekkes ut for å identifisere associations.Sequential mønstre. Data er ekstrakt å forutsi atferd mønstre og trender
stadier av data mining prosessen:
Datainnsamling: Først av alt vi har å samle inn og analysere data <. br> rengjøring Data: Dette er den andre fasen. Rengjøring dataene er å oppdage og korrigere unøyaktige data
Feature utvinning. I funksjonen utvinning får vi bare viktig egenskap av dataene
Pattern utvinning og oppdagelse. Denne fasen kalles ofte som "Datautvinning". Og dette er den viktigste fasen av data mining hvor vi må sette vår all innsats
Visualisering av data. Data visualisering er å la brukeren forstår hva som skjer. Data mining vanligvis innebærer utvinning av skjulte data fra databasen som brukeren ikke allerede vet om
Evaluering av resultatet. Dette er den siste fasen av denne prosessen. I denne fasen vi nøye observere de gitte data og finne ut riktig resultat
. Data Mining Techniques
I utgangspunktet har vi to data mining teknikker
Logisk
Beskrivende. Anmeldelser
Predictive data mining: Predictive data mining bruker historiske data til å forutsi om fremtidige teorier. Det fusjonerer database analyse med kunstig intelligence.Predictive data mining er videre inndelt i:
Klassifisering
Regression
Beskrivende data mining. Beskrivende data mining er å finne mønstre i data. De blir vanligvis brukt til å skape meningsfulle undergrupper. Beskrivende data mining er videre klassifisert i
Clustering
Association
sekvensiell analyse.
Data Mining kan brukes i enhver organisasjon som trenger å finne mønstre eller relasjoner i sine data, og det øker raskt. Den kan brukes i alle typer virksomhet
Her er noen anvendelser av data mining.
Fraud Detection
Kunde Churn
Sky Survey Logise
Dokument Clustering
Markedssegmentering
Elektronisk handel
Ny produktutvikling
Regjeringens politikk innstilling
Medisinsk ledelse