Сбор данных
В общих чертах, «добыча полезных ископаемых» - это процесс извлечения некоторых ценных материалов из земли, например, добыча угля, алмазов и т. Д. В контексте информатики «добыча данных» означает извлечение полезной информации из большого количества данных. или хранилища данных. Видно, что сам термин немного сбивает с толку. В случае добычи угля или алмазов результатом процесса добычи является уголь или алмаз. Но в случае Data Mining результатом процесса извлечения не являются данные !! Вместо этого результатом интеллектуального анализа данных являются закономерности и знания, которые мы получаем в конце процесса извлечения. В этом смысле интеллектуальный анализ данных также известен как обнаружение знаний или извлечение знаний.
Грегори Пятецкий-Шапиро ввел термин «открытие знаний в базах данных» в 1989 году. Однако термин «интеллектуальный анализ данных» стал более популярным в деловых кругах и в прессе. В настоящее время интеллектуальный анализ данных и обнаружение знаний взаимозаменяемы.
Сегодня интеллектуальный анализ данных используется практически во всех местах, где хранятся и обрабатываются большие объемы данных. Например, банки обычно используют «интеллектуальный анализ данных», чтобы найти своих потенциальных клиентов, которых также могут заинтересовать кредитные карты, личные ссуды или страхование. Поскольку у банков есть детали транзакций и подробные профили своих клиентов, они анализируют все эти данные и пытаются найти закономерности, которые помогают им предсказать, что определенные клиенты могут быть заинтересованы в личных ссудах и т. Д.
Основная цель интеллектуального анализа данных
По сути, информация, собранная с помощью интеллектуального анализа данных, помогает прогнозировать скрытые закономерности, будущие тенденции и поведение, а также позволяет предприятиям принимать решения.
Технически интеллектуальный анализ данных - это вычислительный процесс анализа данных с разных точек зрения, размеров, углов и их категоризации / обобщения в значимую информацию.
Data Mining может применяться к любому типу данных, например, к хранилищам данных, транзакционным базам данных, реляционным базам данных, мультимедийным базам данных, пространственным базам данных, базам данных временных рядов, всемирной паутине.
Data Mining в целом процесс
Весь процесс интеллектуального анализа данных состоит из трех основных этапов:
1. Предварительная обработка данных - происходит очистка, интеграция, выбор и преобразование данных.
2. Извлечение данных - возникновение точного интеллектуального анализа данных
3. Оценка и представление данных - анализ и представление результатов
В следующих статьях мы подробно рассмотрим каждый из этих этапов.
Приложения интеллектуального анализа данных
1. Финансовый анализ
2. Биологический анализ
3. Научный анализ
4. Обнаружение вторжений
5. Обнаружение мошенничества
6. Анализ исследований
Реальный пример интеллектуального анализа данных - анализ рыночной корзины
Анализ рыночной корзины - это метод, позволяющий тщательно изучить покупки, совершаемые покупателем на супермаркете. Эта концепция в основном применяется для идентификации товаров, которые покупает вместе покупатель. Скажем, если человек покупает хлеб, каковы шансы, что он также купит масло? Этот анализ помогает продвигать предложения и сделки компаний. То же самое делается с помощью интеллектуального анализа данных.
Эта статья предоставлена Шиной Коли . Если вам нравится GeeksforGeeks, и вы хотели бы внести свой вклад, вы также можете написать статью с помощью provide.geeksforgeeks.org или отправить ее по электронной почте на deposit@geeksforgeeks.org. Посмотрите, как ваша статья появляется на главной странице GeeksforGeeks, и помогите другим гикам.
Пожалуйста, напишите комментарии, если вы обнаружите что-то неправильное, или вы хотите поделиться дополнительной информацией по теме, обсужденной выше.