Was ist der räumliche Data Mining?

Der räumliche Data Mining ist der Prozess, Muster in geografischen Daten zu finden.Am häufigsten im Einzelhandel verwendet, hat es sich aus dem Bereich Data Mining entwickelt, das sich zunächst darauf konzentrierte, Muster in textuellen und numerischen elektronischen Informationen zu finden.Der räumliche Data -Mining wird aufgrund der Schwierigkeiten, die mit der Analyse von Objekten mit konkreten Existenzen in Raum und Zeit verbunden sind, als komplizierter als herkömmlicher Bergbau angesehen.Es ist eine Technik, um Entscheidungen darüber zu treffen, wo Sie welche Art von Geschäft eröffnen können.Es kann dazu beitragen, diese Entscheidungen zu informieren, indem bereits bestehende Daten darüber verarbeitet werden, welche Faktoren die Verbraucher motivieren, an einen Ort zu gehen, und nicht an einen anderen.Wenn sie Zugang zu den entsprechenden Daten hatte, könnte sie räumliche Data Mining verwenden, um herauszufinden, welche räumlichen Faktoren Nachtclubs erfolgreich machen.Sie könnte Fragen stellen wie: Werden mehr Menschen in den Club kommen, wenn der öffentliche Transit in der Nähe ist?Welche Entfernung von anderen Nightlife -Veranstaltungsorten maximiert die Schirmherrschaft?Ist die Nähe zu Tankstellen ein Plus oder ein Minus?Sie könnte auch räumliche Data Mining mdash verwenden; vielleicht genauer, räumlich -zeitlichem Data Mining Mdash; um herauszufinden, wie sich die Menschen zu bestimmten Zeiten durch die Stadt bewegen.Der gleiche Prozess könnte in verschiedenen Nächten der Woche auf die Schirmherrschaft angewendet werden.

Die Schwierigkeiten des räumlichen Data Mining sind das Ergebnis der Komplexität der Welt jenseits des Internets.Während frühere Bemühungen zum Data Mining in der Regel Datenbanken für die Analyse reif waren, sind die für räumlichen Data Mining verfügbaren Eingaben keine Informationsgitter, sondern Karten.Diese Karten haben verschiedene Arten von Objekten wie Straßen, Populationen, Unternehmen usw.

Bestimmen Sie, ob etwas an etwas anderem nahe kommt, ist von einem diskreten zu einer kontinuierlichen Variablen.Dies erhöht die für die Analyse erforderliche Komplexität massiv.Unglaublicherweise ist dies eine der einfacheren Arten von Beziehungen, die jemandem zur Verfügung stehen, der einen räumlichen Data Mining versucht.Bei der Suche nach Daten, die nach Beziehungen suchen, werden viele offensichtliche Trends als Folge statistischer falscher Positives entstehen.Dieses Problem besteht auch für die Aufgabe, eine einfachere Datenbank abzubauen, wird jedoch durch das Ausmaß der Daten verstärkt, die dem räumlichen Data Miner zur Verfügung stehen.Letztendlich sollte ein durch räumlichem Data Mining identifizierter Trend durch den Erläuterungsprozess und die zusätzliche Forschung bestätigt werden.