Data Mining Tutorial for CS for Android APK

Penerangan

Perlombongan data ialah proses menemui corak dalam set data besar yang melibatkan kaedah di persimpangan pembelajaran mesin, statistik dan sistem pangkalan data. Perlombongan data ialah subbidang antara disiplin sains komputer dan statistik dengan matlamat keseluruhan untuk mengekstrak maklumat (dengan kaedah pintar) daripada set data dan mengubah maklumat menjadi struktur yang boleh difahami untuk kegunaan selanjutnya. Perlombongan data ialah langkah analisis proses "penemuan pengetahuan dalam pangkalan data" atau KDD. Selain daripada langkah analisis mentah, ia juga melibatkan aspek pengurusan pangkalan data dan data, pra-pemprosesan data, pertimbangan model dan inferens, metrik ketertarikan, pertimbangan kerumitan, pasca pemprosesan struktur yang ditemui, visualisasi dan pengemaskinian dalam talian.

Istilah "perlombongan data" adalah nama yang salah, kerana matlamatnya adalah pengekstrakan corak dan pengetahuan daripada jumlah data yang besar, bukan pengekstrakan (perlombongan) data itu sendiri. Ia juga merupakan kata kunci dan kerap digunakan pada sebarang bentuk pemprosesan data atau maklumat berskala besar (pengumpulan, pengekstrakan, pergudangan, analisis dan statistik) serta sebarang aplikasi sistem sokongan keputusan komputer, termasuk kecerdasan buatan (cth., mesin. pembelajaran) dan kecerdasan perniagaan. Buku Perlombongan data: Alat dan teknik pembelajaran mesin praktikal dengan Java (yang kebanyakannya merangkumi bahan pembelajaran mesin) pada asalnya dinamakan hanya pembelajaran mesin Praktikal, dan istilah perlombongan data hanya ditambahkan atas sebab pemasaran. Selalunya istilah yang lebih umum (skala besar) analisis dan analisis data atau, apabila merujuk kepada kaedah sebenar, kecerdasan buatan dan pembelajaran mesin adalah lebih sesuai.

Tugas perlombongan data sebenar ialah analisis separa automatik atau automatik bagi kuantiti data yang besar untuk mengekstrak corak yang tidak diketahui sebelum ini, menarik seperti kumpulan rekod data (analisis kelompok), rekod luar biasa (pengesan anomali), dan kebergantungan (perlombongan peraturan persatuan, perlombongan corak berurutan). Ini biasanya melibatkan penggunaan teknik pangkalan data seperti indeks spatial. Corak ini kemudiannya boleh dilihat sebagai sejenis ringkasan data input, dan boleh digunakan dalam analisis lanjut atau, sebagai contoh, dalam pembelajaran mesin dan analitik ramalan. Sebagai contoh, langkah perlombongan data mungkin mengenal pasti berbilang kumpulan dalam data, yang kemudiannya boleh digunakan untuk mendapatkan hasil ramalan yang lebih tepat oleh sistem sokongan keputusan. Pengumpulan data, penyediaan data, mahupun tafsiran dan pelaporan hasil bukan sebahagian daripada langkah perlombongan data, tetapi tergolong dalam keseluruhan proses KDD sebagai langkah tambahan.

Gudang data dibina dengan menyepadukan data daripada pelbagai sumber heterogen.

Ia menyokong pelaporan analisis, pertanyaan berstruktur dan/atau ad hoc dan membuat keputusan. Tutorial ini menggunakan pendekatan langkah demi langkah untuk menerangkan semua konsep pergudangan data yang diperlukan.

Koleksi tutorial Kategori ada di bawah dan sediakan semua Topik Suka,

Gambaran Keseluruhan Gudang Data

Konsep Gudang Data

Proses Sistem Gudang Data

Seni Bina Gudang Data

Terminologi Gudang Data

Proses Penghantaran Gudang Data

OLAP Berbilang Dimensi Gudang Data

Skim Gudang Data

Pengujian Gudang Data

Aspek Masa Depan Gudang Data

Soalan Temuduga Data Warehouse

Strategi Pembahagian Gudang Data

Konsep Metadata Gudang Data

Data Warehouse Data Marting

Pengurus Sistem Gudang Data

Pengurus Proses Gudang Data

Keselamatan Gudang Data

Penalaan Gudang Data

dan lain-lain lagi