Hva er romlig data mining?

Romlig data mining er prosessen med å prøve å finne mønstre i geografiske data.Det er ofte brukt i detaljhandel, og har vokst ut av feltet Data Mining, som opprinnelig fokuserte på å finne mønstre i tekstlig og numerisk elektronisk informasjon.Romlig data mining anses som en mer komplisert utfordring enn tradisjonell gruvedrift på grunn av vanskene forbundet med å analysere objekter med konkrete eksistenser i rom og tid.

Som med standard data mining, brukes romlig data mining først og fremst i markedsføringsverdenen og detaljhandelen.Det er en teknikk for å ta beslutninger om hvor du skal åpne hva slags butikk.Det kan bidra til å informere disse beslutningene ved å behandle eksisterende data om hvilke faktorer som motiverer forbrukerne til å dra til ett sted og ikke et annet.

Si at Ashley ønsker å åpne en nattklubb på en viss byblokk.Hvis hun hadde tilgang til passende data, kunne hun bruke romlig data mining for å finne ut hvilke romlige faktorer som gjør nattklubber til å lykkes.Hun kan stille spørsmål som: Vil flere komme til klubben hvis offentlig transport er i nærheten?Hvilken avstand fra andre nattelivssteder maksimerer patronage?Er nærhet til bensinstasjoner et pluss eller et minus?

Ashley kanskje også vil sikre at menneskene som kommer til nattklubben hennes ankommer en jevn distribusjon i løpet av en individuell natt.Hun kunne også bruke romlig data mining mdash; kanskje mer nøyaktig, spatiotemporale data mining mdash; for å finne ut hvordan folk beveger seg gjennom byen på bestemte tidspunkter.Den samme prosessen kan brukes på patronage på forskjellige netter i uken.

Vanskelighetene med romlig data mining er et resultat av kompleksiteten i verden utenfor Internett.Mens tidligere innsats for data mining vanligvis hadde databaser som er modne for analyse, er ikke innspillene som er tilgjengelige for romlig data mining nettverk av informasjon, men kart.Disse kartene har forskjellige typer objekter som veier, befolkninger, bedrifter og så videre.

Å bestemme om noe er i nærheten av noe annet går fra å være en diskret til en kontinuerlig variabel.Dette øker kompleksiteten som kreves for analyse massivt.Utrolig nok er dette en av de mer enkle typene forhold som er tilgjengelige for noen som prøver romlig data mining.

Romlige data mining står også overfor problemet med falske positiver.I prosessen med å søke etter data som leter etter relasjoner, vil mange tilsynelatende trender dukke opp som en konsekvens av statistiske falske positiver.Dette problemet eksisterer også for oppgaven med å gruve en mer enkel database, men det forsterkes med størrelsen på data som er tilgjengelige for den romlige datamineren.Til syvende og sist bør en trend identifisert av romlig data mining bekreftes gjennom prosessen med forklaring og ytterligere forskning.