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