Hva er de forskjellige typene data mining -teknikker?

Data mining refererer generelt til en metode som brukes til å analysere data fra en målkilde og komponere den tilbakemeldingen til nyttig informasjon.Denne informasjonen brukes vanligvis til å hjelpe en organisasjon med å kutte kostnader i et bestemt område, øke inntektene eller begge deler.Ofte tilrettelagt av en data-mining-applikasjon, er dets primære mål å identifisere og trekke ut mønstre som finnes i et gitt datasett.

Det viktigste er at data mining-teknikker tar sikte på å gi innsikt som gir bedre forståelse av data og dets essensielle funksjoner.Bedrifter og organisasjoner kan bruke mange forskjellige typer data mining -teknikker.Selv om de kan ta en lignende tilnærming, prøver alle vanligvis å oppfylle forskjellige mål.

Formålet med prediktive data mining -teknikker er nesten alltid å identifisere statistiske modeller eller mønstre som kan brukes til å forutsi en respons av interesse.For eksempel kan en finansinstitusjon bruke den til å identifisere hvilke transaksjoner som har den høyeste sannsynligheten for svindel.Dette er den vanligste datamineringsteknikken og en som har blitt et effektivt beslutningsverktøy for mellom- til store selskaper.Det har også vist seg å være effektiv til å forutsi kundeatferd, kategorisere kundesegmenter og spådde forskjellige hendelser.

Sammendragsmodeller er avhengige av data mining -teknikker som reagerer i samsvar med oppsummerte data.For eksempel kan en organisasjon tildele flypassasjerer eller kredittkorttransaksjoner i forskjellige grupper basert på deres egenskaper hentet fra den analytiske prosessen.Denne modellen kan også hjelpe bedrifter med å få en dypere forståelse av kundegrunnlaget.

Association -modeller tar hensyn til at visse hendelser kan oppstå sammen med jevne mellomrom.Dette kan være samtidig kjøp av varer som en mus og tastatur eller en hendelsesrekkefølge som førte til svikt i en bestemt maskinvareenhet.Assosiasjonsmodeller representerer data mining -teknikker som brukes til å identifisere og karakterisere disse tilknyttede forekomstene.

Nettverksmodeller bruker data mining -teknikker for å avsløre datastrukturer som er i form av noder og lenker.For eksempel kan en organisert svindelring samle en liste over stjålet kredittkortnumre, og deretter snu og bruke dem til å kjøpe varer på nettet.I denne illustrasjonen representerer kredittkortene og online selgerne nodene mens de faktiske transaksjonene fungerer som koblingene.

Data Mining har mange formål og kan brukes til både positiv og ondsinnet gevinst.Flere organisasjoner kommer til å oppdage fordelene ved å slå sammen data mining -teknikker for å danne hybridmodeller.Disse kraftige kombinasjonene resulterer ofte i applikasjoner med overlegen ytelse.Ved å integrere nøkkelfunksjonene i forskjellige metoder i enkelt hybridløsninger, kan organisasjoner vanligvis overvinne begrensningene i individuelle strategisystemer.