Data Mining Tutorial for CS for Android APK

Kirjeldus

Andmekaevandamine on suurtes andmekogumites mustrite avastamise protsess, mis hõlmab meetodeid masinõppe, statistika ja andmebaasisüsteemide ristumiskohas. Andmekaeve on arvutiteaduse ja statistika interdistsiplinaarne alamvaldkond, mille üldine eesmärk on hankida andmekogumist teavet (intelligentsete meetoditega) ja muuta see edaspidiseks kasutamiseks arusaadavaks struktuuriks. Andmekaeve on "teadmiste avastamise andmebaasides" protsessi ehk KDD analüüsietapp. Lisaks tooranalüüsi etapile hõlmab see ka andmebaasi ja andmehalduse aspekte, andmete eeltöötlust, mudelite ja järelduste kaalutlusi, huvinäitajaid, keerukuse kaalutlusi, avastatud struktuuride järeltöötlust, visualiseerimist ja veebivärskendust.

Mõiste "andmekaeve" on vale nimetus, sest eesmärk on mustrite ja teadmiste ammutamine suurtest andmemahtudest, mitte andmete kaevandamine (kaevandamine). See on ka moesõna ja seda kasutatakse sageli igasuguse suuremahulise andme- või teabetöötluse (kogumine, kaevandamine, ladustamine, analüüs ja statistika) ning arvutiotsuste tugisüsteemi, sealhulgas tehisintellekti (nt masin) puhul. õppimine) ja ärianalüüs. Raamat Data mining: Practical masinõppe tööriistad ja tehnikad Javaga (mis hõlmab enamasti masinõppematerjali) pidi algselt kandma nimetust lihtsalt Praktiline masinõpe ja termin andmekaeve lisati ainult turunduslikel põhjustel. Sageli on sobivamad üldisemad mõisted (suure skaala) andmeanalüüs ja -analüütika või tegelikele meetoditele viidates tehisintellekt ja masinõpe.

Tegelik andmekaeveülesanne on suurte andmehulkade poolautomaatne või automaatne analüüs, et eraldada varem tundmatud, huvitavad mustrid, nagu andmekirjete rühmad (klastrianalüüs), ebatavalised kirjed (anomaalia tuvastamine) ja sõltuvused (assotsiatsioonireeglite kaevandamine, järjestikune mustri kaevandamine). Tavaliselt hõlmab see andmebaasitehnikate, näiteks ruumiindeksite kasutamist. Neid mustreid võib seejärel vaadelda kui omamoodi sisendandmete kokkuvõtet ja neid saab kasutada edasises analüüsis või näiteks masinõppes ja ennustavas analüütikas. Näiteks võib andmekaevandamise etapp tuvastada andmetes mitu rühma, mida saab seejärel kasutada otsuste tugisüsteemi abil täpsemate ennustustulemuste saamiseks. Andmete kogumine, andmete ettevalmistamine ega tulemuste tõlgendamine ja aruandlus ei ole andmekaevandamise etapi osa, kuid kuuluvad täiendavate sammudena üldisesse KDD protsessi.

Andmeladu luuakse mitmest heterogeensest allikast pärit andmete integreerimise teel.

See toetab analüütilist aruandlust, struktureeritud ja/või ad hoc päringuid ning otsuste tegemist. Selles õpetuses kasutatakse samm-sammult lähenemisviisi, et selgitada kõiki andmehoidla vajalikke kontseptsioone.

Kategooriate õpetuskogud on allpool ja pakuvad kõiki teemasid Meeldib,

Andmelao ülevaade

Andmelao kontseptsioonid

Andmelao süsteemi protsessid

Andmelao arhitektuur

Andmelao terminoloogiad

Andmehoidla kohaletoimetamise protsess

Andmeladu mitmemõõtmeline OLAP

Andmelao skeemid

Andmelao testimine

Andmelao tulevikuaspektid

Andmelao intervjuu küsimused

Andmelao jaotamise strateegia

Andmelao metaandmete kontseptsioonid

Andmelao andmemart

Andmelao süsteemihaldurid

Andmelao protsessijuhid

Andmelao turvalisus

Andmelao häälestamine

ja paljud teised