Vilka är de olika typerna av data mining -tekniker?

Data mining hänvisar i allmänhet till en metod som används för att analysera data från en målkälla och komponera den feedback till användbar information.Denna information används vanligtvis för att hjälpa en organisation att sänka kostnaderna inom ett visst område, öka intäkterna eller båda.Ofta underlättas av en data-gruvningsapplikation är dess primära mål att identifiera och extrahera mönster som finns i en given datauppsättning.

viktigast av allt, data mining-tekniker syftar till att ge insikt som möjliggör en bättre förståelse av data och dess väsentliga funktioner.Företag och organisationer kan anställa många olika typer av data mining -tekniker.Även om de kan ta ett liknande tillvägagångssätt, strävar alla vanligtvis efter att uppfylla olika mål.

Syftet med förutsägbara data mining -tekniker är nästan alltid att identifiera statistiska modeller eller mönster som kan användas för att förutsäga ett svar av intresse.Till exempel kan en finansiell institution använda den för att identifiera vilka transaktioner som har den högsta sannolikheten för bedrägeri.Detta är den vanligaste data mining-tekniken och en som har blivit ett effektivt beslutsverktyg för mellan till stora företag.Det har också visat sig vara effektivt för att förutsäga kundbeteende, kategorisera kundsegment och förutse olika händelser.

Sammanfattningsmodeller förlitar sig på data mining -tekniker som svarar i enlighet med sammanfattad data.Till exempel kan en organisation tilldela flygpassagerare eller kreditkortstransaktioner i olika grupper baserat på deras egenskaper som utvinns från analytiska processen.Denna modell kan också hjälpa företag att få en djupare förståelse för sin kundbas.

Associeringsmodeller tar hänsyn till att vissa händelser kan inträffa tillsammans regelbundet.Detta kan vara samtidigt inköp av föremål som en mus och tangentbord eller en sekvens av händelser som ledde till att en viss hårdvaruenhet misslyckades.Föreningsmodeller representerar data mining -tekniker som används för att identifiera och karakterisera dessa tillhörande händelser.

Nätverksmodeller använder data mining -tekniker för att avslöja datastrukturer som är i form av noder och länkar.Till exempel kan en organiserad bedrägeri ring en lista med stulna kreditkortsnummer och sedan vända dem och använda dem för att köpa artiklar online.I denna illustration representerar kreditkorten och onlinehandlare noderna medan de faktiska transaktionerna fungerar som länkarna.

Data mining har många syften och kan användas för både positiv och skadlig vinst.Fler organisationer kommer att upptäcka fördelarna med sammanslagning av data mining -tekniker för att bilda hybridmodeller.Dessa kraftfulla kombinationer resulterar ofta i applikationer med överlägsen prestanda.Genom att integrera de viktigaste funktionerna i olika metoder i enstaka hybridlösningar kan organisationer vanligtvis övervinna begränsningarna i enskilda strategisystem.