Vilka är de olika typerna av analys av data mining?

Analys av data mining kan vara en användbar process som ger olika resultat beroende på den specifika algoritmen som används för datautvärdering.Vanliga typer av analys av data mining inkluderar: undersökande dataanalys (EDA), beskrivande modellering, prediktiv modellering och upptäckt mönster och regler.Användning av vart och ett av dessa data mining -verktyg ger ett annat perspektiv på insamlad information.Professionella som använder dessa tekniker kan få ytterligare insikt i ett problem eller problem med oro baserat på det specifika analysverktyget som används.

På grund av de olika resultaten som data mining analysverktyg ger när de används är det relevant att överväga en grundläggande granskning av varje.Undersökande dataanalys, eller EDA, involverar granskningen av ett datasätt utan några tydliga utfallsmål för undersökning.Variabler som definierar data används som en grund för att tillhandahålla visuella representationer till forskaren.När antalet variabler ökar kan detta verktyg för analys av data mining bli mindre effektivt för att visualisera data.

Beskrivande modellering är ett data för data mining -analys som används för att kollektivt beskriva alla data i ett givet datasätt.Specifikt syntetiserar denna metod alla data för att ge information om trender, segment och kluster som finns i den sökta informationen.Beskrivande analys av data mining används ofta i reklam.Ett exempel på detta är marknadssegmentering där marknadsförare tar större kundgrupper och segmenterar dem efter homogena egenskaper.

Data Mining Analys -verktyg inkluderar också prediktiv modellering.Prediktiv modellering involverar utvecklingen av en modell baserad på befintliga data.Modellen används sedan som grund för förutsägelsen av en annan variabel som är relevant för de granskade data.Termen prediktiv indikerar att detta data mining -verktyg kan göra det möjligt för användaren att förutsäga ett visst värde baserat på vad som är känt i datasättet.Förutsägbar analys kan användas av marknadsförare för att bestämma vilka produkter kunder söker.Baserat på nuvarande inköpstrender kan marknadsförare kunna göra förutsägelser om vilka nya produkter som kan vara populära i framtiden.

Att upptäcka mönster och regler skiljer sig från beskrivande och prediktiva data för data.Medan beskrivande och förutsägbara verktyg använder modellbyggnad som en grund för analys, fokuserar det att upptäcka mönster och regler på identifiering av mönster i data.Marknadsförare som arbetar för livsmedelsbutiker använder till exempel ofta detta datainbrytningsverktyg som ett medel för att bestämma inköpsmönster.Genom att bestämma vilka produkter kunder som konsekvent köper i samma ordning kan riktade kampanjer för artiklarna utvecklas.