Quali sono i diversi tipi di Data Mining Analisi?

Analisi mining può essere un processo utile che fornisce risultati diversi a seconda dell'algoritmo specifico utilizzato per la valutazione dei dati. I tipi più comuni di analisi di data mining sono esplorativa analisi dei dati (EDA), la modellazione descrittive, modellazione predittiva e modelli scoperta e regole. L'utilizzo di ciascuno di questi strumenti di data mining fornisce una prospettiva diversa sulle informazioni raccolte. Professionisti che utilizzano queste tecniche possono acquisire ulteriori indizi di un problema o un problema di interesse sulla base del tool di analisi specifico utilizzato.

A causa dei diversi risultati che strumenti di analisi di data mining offrono quando impiegato, è il caso di prendere in considerazione una revisione di base di ciascuno. Analisi esplorativa dei dati, o EDA, comporta la revisione di una serie di dati, senza obiettivi di risultato chiari per l'esame. Le variabili che definiscono i dati vengono utilizzati come base per fornire rappresentazioni visive al ricercatore. Poiché il numero di variabili aumenta, questo strumento di analisi può diventare meno efficace per la visualizzazione dei dati.

Modellazione descrittive è uno strumento di analisi data mining utilizzato per descrivere collettivamente tutti i dati in un dato insieme di dati. In particolare, questo approccio sintetizza tutti i dati per fornire informazioni relative tendenze, segmenti e cluster che sono presenti nelle informazioni ricercate. Descrittiva analisi di data mining è comunemente usato nella pubblicità. Un esempio di questo è la segmentazione del mercato in cui i marketer assumono grandi gruppi di clienti e loro segmento per caratteristiche omogenee.

Altri strumenti includono anche la modellazione predittiva. Predictive modellazione comporta lo sviluppo di un modello basato su dati esistenti. Il modello viene poi utilizzato come base per la previsione di un'altra variabile che è rilevante per i dati esaminati. Il termine "predittiva" indica che questo strumento di data mining può consentire all'utente di prevedere un valore in base a ciò che è noto nel dataset. Analisi predittiva può essere usato dal marketing per determinare quali prodotti i clienti stanno cercando. Sulla base delle tendenze attuali di acquisto, marketing possono essere in grado di fare previsioni su quali nuovi prodotti possono essere popolare in futuro.

Alla scoperta di modelli e regole differisce da strumenti di data mining descrittivi e predittivi. Mentre gli strumenti descrittivi e predittivi impiegano costruzione del modello come base per l'analisi, scoprendo i modelli e le regole si concentra sulla identificazione dei modelli nei dati. Marketing che lavorano per i negozi di alimentari, per esempio, usano spesso questo strumento di analisi di data mining come strumento per determinare i modelli di acquisto. Per determinare quali prodotti acquirenti acquistano nello stesso ordine, è possibile sviluppare promozioni mirate per le voci.

  • I risultati di minining dati possono dipendere specifici algoritmi utilizzati per avaluate dati.
  • Il data mining può produrre risultati diversi a seconda dell'algoritmo distribuito per valutare i dati.
  • Modellazione descrittive è uno strumento di analisi data mining utilizzato per descrivere collettivamente tutti i dati in un dato insieme di dati.