Data Mining Tutorial for CS for Android APK

Sự miêu tả

Khai phá dữ liệu là quá trình phát hiện ra các mẫu trong tập dữ liệu lớn liên quan đến các phương pháp tại giao điểm của học máy, thống kê và hệ thống cơ sở dữ liệu. Khai phá dữ liệu là một lĩnh vực con liên ngành của khoa học máy tính và thống kê với mục tiêu tổng thể là trích xuất thông tin (bằng các phương pháp thông minh) từ một tập dữ liệu và chuyển đổi thông tin thành một cấu trúc dễ hiểu để sử dụng tiếp. Khai phá dữ liệu là bước phân tích của quá trình "khám phá tri thức trong cơ sở dữ liệu" hay còn gọi là KDD. Ngoài bước phân tích thô, nó còn liên quan đến các khía cạnh quản lý cơ sở dữ liệu và dữ liệu, xử lý trước dữ liệu, xem xét mô hình và suy luận, chỉ số đo mức độ thú vị, cân nhắc độ phức tạp, xử lý sau các cấu trúc đã phát hiện, trực quan hóa và cập nhật trực tuyến.

Thuật ngữ "khai thác dữ liệu" là một cách gọi sai, vì mục đích là trích xuất các mẫu và kiến ​​thức từ một lượng lớn dữ liệu, không phải là trích xuất (khai thác) dữ liệu của chính nó. Nó cũng là một từ thông dụng và thường được áp dụng cho bất kỳ hình thức xử lý thông tin hoặc dữ liệu quy mô lớn nào (thu thập, trích xuất, lưu trữ, phân tích và thống kê) cũng như bất kỳ ứng dụng nào của hệ thống hỗ trợ ra quyết định của máy tính, bao gồm cả trí thông minh nhân tạo (ví dụ: máy học tập) và trí tuệ kinh doanh. Cuốn sách Khai phá dữ liệu: Các công cụ và kỹ thuật học máy thực tế với Java (chủ yếu bao gồm tài liệu học máy) ban đầu được đặt tên chỉ là Học máy thực tế và thuật ngữ khai thác dữ liệu chỉ được thêm vào vì lý do tiếp thị. Thường thì các thuật ngữ tổng quát hơn (quy mô lớn) phân tích và phân tích dữ liệu hoặc, khi đề cập đến các phương pháp thực tế, trí tuệ nhân tạo và học máy sẽ thích hợp hơn.

Nhiệm vụ khai thác dữ liệu thực tế là phân tích bán tự động hoặc tự động số lượng lớn dữ liệu để trích xuất các mẫu thú vị, chưa từng biết trước đây, chẳng hạn như nhóm bản ghi dữ liệu (phân tích cụm), bản ghi bất thường (phát hiện bất thường) và phụ thuộc (khai thác quy tắc kết hợp, khai thác mẫu tuần tự). Điều này thường liên quan đến việc sử dụng các kỹ thuật cơ sở dữ liệu như chỉ số không gian. Sau đó, các mẫu này có thể được coi là một dạng tóm tắt dữ liệu đầu vào và có thể được sử dụng trong phân tích sâu hơn hoặc ví dụ, trong học máy và phân tích dự đoán. Ví dụ: bước khai thác dữ liệu có thể xác định nhiều nhóm trong dữ liệu, sau đó có thể được sử dụng để thu được kết quả dự đoán chính xác hơn bởi hệ thống hỗ trợ quyết định. Việc thu thập dữ liệu, chuẩn bị dữ liệu cũng như giải thích và báo cáo kết quả đều không phải là một phần của bước khai thác dữ liệu, mà thuộc về quy trình KDD tổng thể như là các bước bổ sung.

Kho dữ liệu được xây dựng bằng cách tích hợp dữ liệu từ nhiều nguồn không đồng nhất.

Nó hỗ trợ báo cáo phân tích, truy vấn có cấu trúc và/hoặc đột xuất và ra quyết định. Hướng dẫn này áp dụng cách tiếp cận từng bước để giải thích tất cả các khái niệm cần thiết về lưu trữ dữ liệu.

Dưới đây là bộ sưu tập hướng dẫn về Danh mục và cung cấp tất cả các Chủ đề Thích,

Tổng quan về Kho dữ liệu

Các khái niệm về kho dữ liệu

Quy trình hệ thống kho dữ liệu

Kiến trúc Kho dữ liệu

Thuật ngữ Kho dữ liệu

Quy trình phân phối kho dữ liệu

Kho dữ liệu OLAP đa chiều

Lược đồ kho dữ liệu

Kiểm tra kho dữ liệu

Kho dữ liệu Các khía cạnh trong tương lai

Câu hỏi phỏng vấn Kho dữ liệu

Chiến lược phân vùng kho dữ liệu

Khái niệm siêu dữ liệu về kho dữ liệu

Đánh dấu dữ liệu kho dữ liệu

Người quản lý hệ thống kho dữ liệu

Người quản lý quy trình kho dữ liệu

Bảo mật Kho dữ liệu

Điều chỉnh Kho dữ liệu

và nhiều người khác