Data Mining - Systeme

Es steht eine Vielzahl von Data Mining-Systemen zur Verfügung. Data Mining-Systeme können Techniken aus den folgenden Bereichen integrieren:

Geodatenanalyse
Informationsrückgewinnung
Mustererkennung
Bildanalyse
Signalverarbeitung
Computergrafik
Web-Technologie
Business
Bioinformatics

Klassifizierung des Data Mining-Systems

Ein Data Mining-System kann nach folgenden Kriterien klassifiziert werden:

Datenbanktechnologie
Statistics
Maschinelles Lernen
Informationswissenschaft
Visualization
Andere Disziplinen

Abgesehen von diesen kann ein Data Mining-System auch anhand der Art der (a) abgebauten Datenbanken, (b) abgebauten Wissens, (c) verwendeten Techniken und (d) angepassten Anwendungen klassifiziert werden.

Klassifizierung basierend auf den abgebauten Datenbanken

Wir können ein Data Mining-System nach der Art der abgebauten Datenbanken klassifizieren. Das Datenbanksystem kann nach verschiedenen Kriterien wie Datenmodellen, Datentypen usw. klassifiziert werden. Das Data Mining-System kann entsprechend klassifiziert werden.

Wenn wir beispielsweise eine Datenbank nach dem Datenmodell klassifizieren, verfügen wir möglicherweise über ein relationales, transaktionales, objektrelationales oder Data Warehouse-Mining-System.

Klassifizierung Basierend auf der Art des gewonnenen Wissens

Wir können ein Data Mining-System nach der Art des gewonnenen Wissens klassifizieren. Dies bedeutet, dass das Data Mining-System anhand von Funktionen wie - klassifiziert wird

Characterization
Discrimination
Assoziations- und Korrelationsanalyse
Classification
Prediction
Ausreißeranalyse
Evolutionsanalyse

Klassifizierung basierend auf den verwendeten Techniken

Wir können ein Data Mining-System nach der Art der verwendeten Techniken klassifizieren. Wir können diese Techniken nach dem Grad der Benutzerinteraktion oder den verwendeten Analysemethoden beschreiben.

Klassifizierung anhand der angepassten Anwendungen

Wir können ein Data Mining-System nach den angepassten Anwendungen klassifizieren. Diese Anwendungen sind wie folgt:

Finance
Telecommunications
DNA
Aktienmärkte
E-mail

Integration eines Data Mining-Systems in ein DB / DW-System

Wenn ein Data Mining-System nicht in eine Datenbank oder ein Data Warehouse-System integriert ist, gibt es kein System, mit dem kommuniziert werden kann. Dieses Schema ist als Nichtkopplungsschema bekannt. In diesem Schema liegt der Schwerpunkt auf dem Data Mining-Design und der Entwicklung effizienter und effektiver Algorithmen zum Mining der verfügbaren Datensätze.

Die Liste der Integrationsschemata lautet wie folgt:

No Coupling- In diesem Schema verwendet das Data Mining-System keine der Datenbank- oder Data Warehouse-Funktionen. Es ruft die Daten aus einer bestimmten Quelle ab und verarbeitet diese Daten mithilfe einiger Data Mining-Algorithmen. Das Data Mining-Ergebnis wird in einer anderen Datei gespeichert.
Loose Coupling- In diesem Schema verwendet das Data Mining-System möglicherweise einige der Funktionen des Datenbank- und Data Warehouse-Systems. Es ruft die Daten von den von diesen Systemen verwalteten Datenatmungsdaten ab und führt Data Mining für diese Daten durch. Anschließend wird das Mining-Ergebnis entweder in einer Datei oder an einem bestimmten Ort in einer Datenbank oder in einem Data Warehouse gespeichert.
Semi−tight Coupling - In diesem Schema ist das Data Mining-System mit einer Datenbank oder einem Data Warehouse-System verknüpft. Darüber hinaus können effiziente Implementierungen einiger Data Mining-Grundelemente in der Datenbank bereitgestellt werden.
Tight coupling- In diesem Kopplungsschema ist das Data Mining-System reibungslos in die Datenbank oder das Data Warehouse-System integriert. Das Data Mining-Subsystem wird als eine Funktionskomponente eines Informationssystems behandelt.