|
|||||||
АвтоАвтоматизацияАрхитектураАстрономияАудитБиологияБухгалтерияВоенное делоГенетикаГеографияГеологияГосударствоДомДругоеЖурналистика и СМИИзобретательствоИностранные языкиИнформатикаИскусствоИсторияКомпьютерыКулинарияКультураЛексикологияЛитератураЛогикаМаркетингМатематикаМашиностроениеМедицинаМенеджментМеталлы и СваркаМеханикаМузыкаНаселениеОбразованиеОхрана безопасности жизниОхрана ТрудаПедагогикаПолитикаПравоПриборостроениеПрограммированиеПроизводствоПромышленностьПсихологияРадиоРегилияСвязьСоциологияСпортСтандартизацияСтроительствоТехнологииТорговляТуризмФизикаФизиологияФилософияФинансыХимияХозяйствоЦеннообразованиеЧерчениеЭкологияЭконометрикаЭкономикаЭлектроникаЮриспунденкция |
Data Mining и Business Intelligence. Многомерные представления Data Mining. Data Mining: общая классификация. Функциональные возможности Data Mining
Многомерные представления Data Mining
Данные для DM реляционные, хранилища данных, транзакционные, потоки данных, объектно-ориентированные, активные, пространственные, временные ряды, текстовые, мультимедийные, гетерогенные, иерархическое наследование, WWW
Результаты DM Характеристика, дискриминация, ассоциация, классификация, объединение в кластеры, тенденция/отклонение, анализ изолированной части, и т.д. Многократные/интегрированные функции и добыча знаний на различных уровнях
Технологии СУБД-ориентированные, хранилища данных (OLAP), машинное обучение, статистика, визуализация, и т.д.
Приложения Розничные продажи, телекоммуникации, банковское дело, анализ мошенничества, частотное распределение, биоинформатика, анализ фондового рынка, анализ текстов, анализ Веба и т.д.
Data Mining: общая классификация -Функциональные возможности -Описательный поиск данных -Прогнозирующий поиск данных -Различные представления приводят к различным классификациям -Представление данных: Виды данных, которые будут добыты -Представление знаний: Виды знания, которые будут обнаружены -Представление методов: Виды использованных методов -Представление приложений: Виды адаптированных приложений
Функциональные возможности Data Mining -Многомерное описание понятия: Характеристика и дискриминация -Сделайте вывод, подведите итог; контрастные особенности данных, например, сухой климат области против влажных областей -Частые паттерны (образцы), ассоциация, корреляция против причинной связи -Сеть Пиво [0.5%, 75%] (Корреляция или причинная связь?) -Классификация и предсказание -Модели конструкции (функции), которые описывают и отличают классы или понятия для будущего предсказания -Предсказание некоторых неизвестных или недостающих численных значений -Кластерный анализ --Метка класса неизвестна: данные о группах, чтобы сформировать новые классы, например, кластеры зданий (чтобы найти образцы распределения) --Максимизация подобия внутри класса и минимизация подобия между классами (минимизация различий внутри класса и максимизация различий между классами) -Анализ изолированной части --Изолированная часть: Объект данных, который не попадает под общую характеристику (поведение) данных --Шум или исключение? Бывает полезен при обнаружении мошенничества, анализе редких случаев и т.д. -Тенденция и анализ развития --Тренд и девиация (тенденция и отклонение): например, регрессионный анализ --Частотный анализ паттернов: например, цифровая камера * увеличение SD памяти --Анализ периодичности --Анализ подобий (анализ симилярий) -Другие направления анализа или статистические исследования
Поиск по сайту: |
Все материалы представленные на сайте исключительно с целью ознакомления читателями и не преследуют коммерческих целей или нарушение авторских прав. Студалл.Орг (0.005 сек.) |