Khai thác dữ liệu - Nhiệm vụ

Khai thác dữ liệu đề cập đến các loại mẫu có thể được khai thác. Trên cơ sở loại dữ liệu được khai thác, có hai loại chức năng liên quan đến Khai thác dữ liệu -

Descriptive
Phân loại và dự đoán

Chức năng mô tả

Hàm mô tả xử lý các thuộc tính chung của dữ liệu trong cơ sở dữ liệu. Đây là danh sách các hàm mô tả -

Mô tả Lớp / Khái niệm
Khai thác các mô hình thường xuyên
Khai thác các hiệp hội
Khai thác các mối tương quan
Khai thác các cụm

Mô tả Lớp / Khái niệm

Lớp / Khái niệm đề cập đến dữ liệu được liên kết với các lớp hoặc khái niệm. Ví dụ, trong một công ty, các loại mặt hàng để bán bao gồm máy tính và máy in, và khái niệm về khách hàng bao gồm những người chi tiêu lớn và những người chi tiêu ngân sách. Những mô tả như vậy về một lớp hoặc một khái niệm được gọi là mô tả lớp / khái niệm. Những mô tả này có thể được lấy theo hai cách sau:

Data Characterization- Điều này đề cập đến việc tổng hợp dữ liệu của lớp đang học. Lớp đang nghiên cứu này được gọi là Lớp Mục tiêu.
Data Discrimination - Nó đề cập đến việc ánh xạ hoặc phân loại một lớp với một số nhóm hoặc lớp được xác định trước.

Khai thác các mô hình thường xuyên

Các mẫu thường xuyên là những mẫu xảy ra thường xuyên trong dữ liệu giao dịch. Đây là danh sách các kiểu thường gặp -

Frequent Item Set - Nó đề cập đến một tập hợp các mặt hàng thường xuyên xuất hiện cùng nhau, ví dụ: sữa và bánh mì.
Frequent Subsequence - Tiếp theo là một chuỗi các mô hình thường xuyên xảy ra như mua máy ảnh là thẻ nhớ.
Frequent Sub Structure - Cấu trúc con đề cập đến các dạng cấu trúc khác nhau, chẳng hạn như đồ thị, cây hoặc mạng, có thể được kết hợp với các tập hợp mục hoặc chuỗi con.

Khai thác của Hiệp hội

Các liên kết được sử dụng trong bán hàng bán lẻ để xác định các mẫu thường được mua cùng nhau. Quá trình này đề cập đến quá trình khám phá mối quan hệ giữa các dữ liệu và xác định các quy tắc kết hợp.

Ví dụ: một nhà bán lẻ tạo ra một quy tắc liên kết cho thấy 70% thời gian sữa được bán với bánh mì và chỉ 30% thời gian bán bánh quy với bánh mì.

Khai thác các mối tương quan

Đây là một loại phân tích bổ sung được thực hiện để phát hiện ra các mối tương quan thống kê thú vị giữa các cặp giá trị-thuộc tính được kết hợp hoặc giữa hai tập hợp mục để phân tích xem chúng có ảnh hưởng tích cực, tiêu cực hay không với nhau.

Khai thác các cụm

Cụm đề cập đến một nhóm các đối tượng giống nhau. Phân tích cụm đề cập đến việc hình thành nhóm các đối tượng rất giống nhau nhưng khác biệt nhiều so với các đối tượng trong các cụm khác.

Phân loại và dự đoán

Phân loại là quá trình tìm kiếm một mô hình mô tả các lớp hoặc khái niệm dữ liệu. Mục đích là có thể sử dụng mô hình này để dự đoán lớp của các đối tượng có nhãn lớp chưa biết. Mô hình dẫn xuất này dựa trên việc phân tích các bộ dữ liệu huấn luyện. Mô hình dẫn xuất có thể được trình bày dưới các dạng sau:

Quy tắc phân loại (IF-THEN)
Cây quyết định
Công thức toán học
Mạng thần kinh

Danh sách các chức năng liên quan đến các quá trình này như sau:

Classification- Nó dự đoán lớp của các đối tượng mà nhãn lớp chưa biết. Mục tiêu của nó là tìm ra một mô hình dẫn xuất mô tả và phân biệt các lớp hoặc khái niệm dữ liệu. Mô hình Derived dựa trên tập phân tích dữ liệu huấn luyện tức là đối tượng dữ liệu có nhãn lớp được biết rõ.
Prediction- Nó được sử dụng để dự đoán các giá trị dữ liệu số bị thiếu hoặc không có sẵn hơn là các nhãn lớp. Phân tích hồi quy thường được sử dụng để dự đoán. Dự đoán cũng có thể được sử dụng để xác định xu hướng phân phối dựa trên dữ liệu có sẵn.
Outlier Analysis - Ngoại lệ có thể được định nghĩa là các đối tượng dữ liệu không tuân thủ các hành vi hoặc mô hình chung của dữ liệu có sẵn.
Evolution Analysis - Phân tích tiến hóa đề cập đến mô tả và mô hình hóa các quy luật hoặc xu hướng cho các đối tượng có hành vi thay đổi theo thời gian.

Nguyên thủy của nhiệm vụ khai thác dữ liệu

Chúng ta có thể chỉ định một nhiệm vụ khai thác dữ liệu dưới dạng một truy vấn khai thác dữ liệu.
Truy vấn này được nhập vào hệ thống.
Một truy vấn khai thác dữ liệu được xác định theo nghĩa nguyên thủy của nhiệm vụ khai thác dữ liệu.

Note- Những nguyên thủy này cho phép chúng tôi giao tiếp theo cách tương tác với hệ thống khai thác dữ liệu. Dưới đây là danh sách các Nguyên thủy của Nhiệm vụ Khai thác Dữ liệu -

Tập hợp dữ liệu liên quan đến nhiệm vụ được khai thác.
Loại kiến thức được khai thác.
Kiến thức nền tảng được sử dụng trong quá trình khám phá.
Các thước đo mức độ thú vị và các ngưỡng để đánh giá mẫu.
Biểu diễn để hình dung các mẫu được phát hiện.

Tập hợp dữ liệu liên quan đến nhiệm vụ sẽ được khai thác

Đây là phần cơ sở dữ liệu mà người dùng quan tâm. Phần này bao gồm những điều sau:

Thuộc tính cơ sở dữ liệu
Các thứ nguyên quan tâm của Kho dữ liệu

Loại kiến thức được khai thác

Nó đề cập đến loại chức năng được thực hiện. Các chức năng này là -

Characterization
Discrimination
Phân tích liên kết và tương quan
Classification
Prediction
Clustering
Phân tích ngoại lệ
Phân tích tiến hóa

Kiến thức nền tảng

Kiến thức nền tảng cho phép dữ liệu được khai thác ở nhiều cấp độ trừu tượng. Ví dụ, phân cấp Khái niệm là một trong những kiến thức nền tảng cho phép khai thác dữ liệu ở nhiều cấp độ trừu tượng.

Các thước đo mức độ thú vị và các ngưỡng để đánh giá mẫu

Điều này được sử dụng để đánh giá các mẫu được phát hiện bởi quá trình khám phá kiến thức. Có các biện pháp thú vị khác nhau cho các loại kiến thức khác nhau.