Quali sono i diversi tipi di tecniche di data mining?

Il data mining si riferisce generalmente ad un metodo utilizzato per analizzare i dati da una fonte di destinazione e comporre che il feedback in informazioni utili. Queste informazioni in genere viene utilizzato per aiutare un costi dell'organizzazione tagliare in una zona particolare, aumentare le entrate, o entrambe. Spesso facilitato da un'applicazione di data mining, il suo obiettivo primario è quello di individuare e modelli di estrarre contenuti in un determinato insieme di dati.

Soprattutto, tecniche di data mining mirano a fornire indicazioni che permette una migliore comprensione dei dati e le sue caratteristiche essenziali. Le aziende e le organizzazioni possono utilizzare diversi tipi di metodi di data mining. Mentre possono adottare un approccio simile, tutto di solito si sforzano di soddisfare obiettivi diversi.

Lo scopo di tecniche di data mining predittivo è quasi sempre identificare modelli statistici o modelli che possono essere utilizzati per predire la risposta di interesse. Ad esempio, un istituto finanziario può utilizzare per identificare quali transazioni hanno la più alta probabilità di frode. Questo è il metodo più comune di data mining e di uno che è diventato uno strumento decisionale efficiente per metà a imprese di grandi dimensioni. Ha anche dimostrato efficace nel prevedere il comportamento dei clienti, categorizzare segmenti di clientela, e la previsione vari eventi.

Modelli di sintesi si basano su tecniche di data mining che rispondono di conseguenza per i dati riepilogati. Ad esempio, un'organizzazione potrebbe assegnare passeggeri delle compagnie aeree o le transazioni con carta di credito in diversi gruppi in base alle loro caratteristiche estratte dal processo analitico. Questo modello può anche aiutare le aziende a ottenere una più profonda comprensione della loro base di clienti.

Modelli Associazione tengono conto del fatto che certi eventi possono verificarsi insieme su una base regolare. Questo potrebbe essere l'acquisto simultaneo di elementi come un mouse e una tastiera o una sequenza di eventi che hanno portato al fallimento di un particolare dispositivo hardware. Modelli Associazione rappresentano tecniche di data mining utilizzate per identificare e caratterizzare questi eventi associati.

Modelli di rete utilizzano il data mining per rivelare strutture di dati che sono in forma di nodi e collegamenti. Ad esempio, un anello di frode organizzata potrebbe compilare un elenco di numeri di carte di credito rubate, e poi girarsi e li usa per comprare oggetti online. In questa illustrazione, le carte di credito e venditori online rappresentano i nodi, mentre la realtà delle operazioni comportano come i collegamenti.

Il data mining ha molti scopi e può essere utilizzato sia per guadagno positivo e dannoso. Più organizzazioni stanno arrivando a scoprire i vantaggi della fusione di tecniche di data mining per formare modelli ibridi. Queste combinazioni potenti spesso sfociano in applicazioni con prestazioni superiori. Integrando le caratteristiche principali di metodi diversi in soluzioni singole ibride, le organizzazioni di solito in grado di superare i limiti dei sistemi di strategia individuale.