Sisällysluettelo:

Mitä tiedonlouhintatekniikkaa voidaan käyttää politiikan valinnassa?
Mitä tiedonlouhintatekniikkaa voidaan käyttää politiikan valinnassa?

Video: Mitä tiedonlouhintatekniikkaa voidaan käyttää politiikan valinnassa?

Video: Mitä tiedonlouhintatekniikkaa voidaan käyttää politiikan valinnassa?
Video: CS50 2013 - Week 10 2024, Marraskuu
Anonim

7 tärkeintä tiedonlouhintatekniikkaa

  1. Seurantakuvioita. Yksi alkeellisimmista tekniikat sisään tiedon louhinta oppii tunnistamaan mallejasi tiedot sarjat.
  2. Luokitus.
  3. yhdistys.
  4. Outlier-tunnistus.
  5. Klusterointi.
  6. Regressio.
  7. Ennustus.

Millä tiedolla tiedon louhinta voidaan suorittaa tässä suhteessa?

Tiedon louhinta otetaan käyttöön ja tutkitaan tietokantoihin, mukaan lukien relaatiotietokannat, oliorelaatiotietokannat ja oliotietokannat, tiedot varastot, tapahtumatietokannat, jäsentämättömät ja puolirakenteiset tietovarastot, kuten World Wide Web, kehittyneet tietokannat, kuten spatiaaliset tietokannat, Voidaan myös kysyä, millä tavoin tiedonlouhinta eroaa Tilastoinnista, valitse seuraavista? Tiedon louhinta on induktiivinen prosessi ja käyttää algoritmia, kuten päätöspuuta, klusterointialgoritmia johtamiseen tiedot osioida ja luoda hypoteeseja tiedot kun taas tilastot on deduktiivinen prosessi, eli se ei sisällä ennusteita, sitä käytetään tiedon johtamiseen ja hypoteesien tarkistamiseen.

Ihmiset kysyvät myös, mitkä ovat neljä tiedonlouhintatekniikkaa, jotka tarjoavat esimerkkejä siitä, kuinka käyttäisit kutakin liiketoiminnassa?

Assosiaatiosäännön etsintä (kuvaava) Luokitus (ennustava) Klusteri (kuvaava)

Regressio

  • Uuden tuotteen tuoton ennustaminen täydentävien tuotteiden perusteella.
  • Syövän ennustaminen käytettyjen savukkeiden, kulutetun ruoan, iän jne. perusteella.
  • Osakemarkkinoiden ja indeksien aikasarjaennuste.

Mitkä ovat viisi päätyyppiä tiedonlouhintatyökaluja?

Alla on viisi tiedonlouhintatekniikkaa, joiden avulla voit luoda optimaalisia tuloksia

  • Luokitteluanalyysi. Tätä analyysiä käytetään tärkeän ja merkityksellisen tiedon hakemiseen tiedoista ja metatiedoista.
  • Yhdistyksen sääntöjen oppiminen.
  • Anomalian tai outlier-tunnistus.
  • Klusterianalyysi.
  • Taantumisanalyysi.

Suositeltava: