Sisukord:

Millist andmekaeve tehnikat saab poliitika valimiseks kasutada?
Millist andmekaeve tehnikat saab poliitika valimiseks kasutada?

Video: Millist andmekaeve tehnikat saab poliitika valimiseks kasutada?

Video: Millist andmekaeve tehnikat saab poliitika valimiseks kasutada?
Video: Облачные вычисления — информатика для бизнес-лидеров 2016 2024, Mai
Anonim

7 kõige olulisemat andmekaevandamise tehnikat

  1. Jälgimismustrid. Üks elementaarsemaid tehnikaid sisse andmete kaevandamine õpib ära tundma oma mustreid andmeid komplektid.
  2. Klassifikatsioon.
  3. Ühing.
  4. Kõrvalväärtuste tuvastamine.
  5. Klasterdamine.
  6. Regressioon.
  7. Ennustus.

Milliste andmete põhjal saab andmekaeve teha?

Andmete kaevandamine võetakse kasutusele ja uuritakse andmebaaside jaoks, sealhulgas relatsiooniandmebaasid, objektrelatsiooniandmebaasid ja objektorienteeritud andmebaasid, andmeid laod, tehingute andmebaasid, struktureerimata ja poolstruktureeritud hoidlad, nagu World Wide Web, täiustatud andmebaasid, nagu ruumiandmebaasid, Samuti võib küsida, mille poolest erineb andmekaeve statistikast, et valida järgmiste hulgast õige? Andmete kaevandamine on induktiivne protsess ja kasutab tuletamiseks algoritmi nagu otsustuspuu, klasterdamisalgoritmi andmeid jaotada ja luua hüpoteese andmeid kusjuures statistika on deduktiivne protsess, st see ei sisalda ennustusi, seda kasutatakse teadmiste tuletamiseks ja hüpoteeside kontrollimiseks.

Inimesed küsivad ka, millised on need neli andmekaevetehnikat, mis pakuvad näiteid selle kohta, kuidas te igaüks neist äris kasutaksite?

Seostusreegli avastamine (kirjeldav) Klassifikatsioon (ennustuslik) Klasterdamine (kirjeldav)

Regressioon

  • Uue toote tulu prognoosimine täiendavate toodete põhjal.
  • Vähi ennustamine tarbitud sigarettide arvu, tarbitud toidu, vanuse jne põhjal.
  • Aktsiaturgude ja indeksite aegridade ennustus.

Millised on viis peamist andmekaevandamise tööriista tüüpi?

Allpool on 5 andmekaevetehnikat, mis aitavad teil luua optimaalseid tulemusi

  • Klassifikatsiooni analüüs. Seda analüüsi kasutatakse andmete ja metaandmete kohta olulise ja asjakohase teabe hankimiseks.
  • Ühingureeglite õppimine.
  • Anomaaliate või kõrvalekallete tuvastamine.
  • Klastrite analüüs.
  • Regressioonianalüüs.

Soovitan: