Quali sono i diversi tipi di tecniche di data mining?

Il data mining si riferisce generalmente a un metodo utilizzato per analizzare i dati da una fonte target e comporre quel feedback in informazioni utili.Queste informazioni vengono generalmente utilizzate per aiutare un'organizzazione a tagliare i costi in una determinata area, ad aumentare le entrate o entrambi.Spesso facilitato da un'applicazione di data mining, il suo obiettivo primario è identificare ed estrarre modelli contenuti in un determinato set di dati.

Soprattutto, le tecniche di data mining mirano a fornire informazioni che consentono una migliore comprensione dei dati e delle sue caratteristiche essenziali.Le aziende e le organizzazioni possono utilizzare molti tipi diversi di tecniche di data mining.Sebbene possano adottare un approccio simile, di solito si sforzano di raggiungere diversi obiettivi.

Lo scopo delle tecniche di data mining predittive è quasi sempre di identificare modelli o modelli statistici che possono essere utilizzati per prevedere una risposta di interesse.Ad esempio, un istituto finanziario potrebbe usarlo per identificare quali transazioni hanno la più alta probabilità di frode.Questa è la tecnica di data mining più comune e che è diventata uno strumento decisionale efficiente per le aziende di medie dimensioni.Si è anche dimostrato efficace nel prevedere il comportamento dei clienti, nella classificazione dei segmenti di clienti e nella previsione di vari eventi. I modelli di riepilogo si basano su tecniche di data mining che rispondono di conseguenza ai dati riassunti.Ad esempio, un'organizzazione potrebbe assegnare i 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 comprensione più profonda della propria base di clienti. I modelli di associazione

tengono conto del fatto che alcuni eventi possono verificarsi insieme su base regolare.Questo potrebbe essere l'acquisto simultaneo di articoli come un mouse e una tastiera o una sequenza di eventi che hanno portato al fallimento di un particolare dispositivo hardware.I modelli di associazione rappresentano le tecniche di mining di data utilizzate per identificare e caratterizzare queste occorrenze associate.

I modelli di rete utilizzano tecniche di data mining per rivelare strutture di dati che sono sotto forma di nodi e collegamenti.Ad esempio, un anello di frode organizzato potrebbe compilare un elenco di numeri di carta di credito rubati, quindi girarli e usarli per acquistare articoli online.In questa illustrazione, le carte di credito e i commercianti online rappresentano i nodi mentre le transazioni effettive fungono da collegamenti. Il data mining ha molti scopi e possono essere utilizzati per un guadagno sia positivo che dannoso.Altre organizzazioni stanno arrivando a scoprire i vantaggi della fusione di tecniche di data mining per formare modelli ibridi.Queste potenti combinazioni spesso comportano applicazioni con prestazioni superiori.Integrando le caratteristiche chiave di diversi metodi in singoli soluzioni ibride, le organizzazioni di solito possono superare i limiti dei singoli sistemi di strategia.