Data Mining Tutorial for CS for Android APK

기술

데이터 마이닝은 기계 학습, 통계 및 데이터베이스 시스템의 교차점에서 방법을 포함하는 대규모 데이터 세트에서 패턴을 발견하는 프로세스입니다. 데이터 마이닝은 데이터 세트에서 정보(지능적인 방법으로)를 추출하고 추가 사용을 위해 정보를 이해 가능한 구조로 변환하는 전반적인 목표를 가진 컴퓨터 과학 및 통계의 학제 간 하위 분야입니다. 데이터 마이닝은 "데이터베이스의 지식 발견" 프로세스 또는 KDD의 분석 단계입니다. 원시 분석 단계 외에도 데이터베이스 및 데이터 관리 측면, 데이터 사전 처리, 모델 및 추론 고려 사항, 흥미 메트릭, 복잡성 고려 사항, 발견된 구조의 사후 처리, 시각화 및 온라인 업데이트가 포함됩니다.

"데이터 마이닝"이라는 용어는 잘못된 이름입니다. 목표는 데이터 자체의 추출(마이닝)이 아니라 대량의 데이터에서 패턴과 지식을 추출하는 것이기 때문입니다. 또한 인공지능(예: 기계 등)을 포함한 컴퓨터 의사결정 지원 시스템의 모든 응용뿐만 아니라 모든 형태의 대규모 데이터 또는 정보 처리(수집, 추출, 창고 보관, 분석 및 통계)에 자주 적용되는 유행어입니다. 학습) 및 비즈니스 인텔리전스. 데이터 마이닝: 자바를 사용한 실용적인 기계 학습 도구 및 기술(대부분 기계 학습 자료를 다룸)이라는 책은 원래 실제 기계 학습이라는 이름으로 명명될 예정이었으며 데이터 마이닝이라는 용어는 마케팅 목적으로만 추가되었습니다. 종종 보다 일반적인 용어(대규모) 데이터 분석 및 분석 또는 실제 방법을 언급할 때 인공 지능 및 기계 학습이 더 적절합니다.

실제 데이터 마이닝 작업은 대량의 데이터를 반자동 또는 자동으로 분석하여 데이터 레코드 그룹(클러스터 분석), 비정상적인 레코드(이상 탐지), 종속성(연관 규칙 마이닝, 순차 패턴 마이닝). 여기에는 일반적으로 공간 인덱스와 같은 데이터베이스 기술을 사용하는 것이 포함됩니다. 이러한 패턴은 입력 데이터의 일종의 요약으로 볼 수 있으며 추가 분석 또는 예를 들어 기계 학습 및 예측 분석에 사용될 수 있습니다. 예를 들어, 데이터 마이닝 단계는 데이터에서 여러 그룹을 식별한 다음 의사 결정 지원 시스템에서 보다 정확한 예측 결과를 얻는 데 사용할 수 있습니다. 데이터 수집, 데이터 준비, 결과 해석 및 보고는 데이터 마이닝 단계의 일부가 아니지만 추가 단계로 전체 KDD 프로세스에 속합니다.

데이터 웨어하우스는 여러 이기종 소스의 데이터를 통합하여 구성됩니다.

분석 보고, 구조화된 및/또는 임시 쿼리 및 의사 결정을 지원합니다. 이 튜토리얼은 데이터 웨어하우징의 모든 필수 개념을 설명하기 위해 단계별 접근 방식을 채택합니다.

카테고리의 튜토리얼 컬렉션은 아래에 있으며 모든 주제를 제공합니다.

데이터 웨어하우스 개요

데이터 웨어하우스 개념

데이터 웨어하우스 시스템 프로세스

데이터 웨어하우스 아키텍처

데이터 웨어하우스 용어

데이터 웨어하우스 전달 프로세스

데이터 웨어하우스 다차원 OLAP

데이터 웨어하우스 스키마

데이터 웨어하우스 테스트

데이터 웨어하우스의 미래 측면

데이터 웨어하우스 인터뷰 질문

데이터 웨어하우스 파티셔닝 전략

데이터 웨어하우스 메타데이터 개념

데이터 웨어하우스 데이터 마팅

데이터 웨어하우스 시스템 관리자

데이터 웨어하우스 프로세스 관리자

데이터 웨어하우스 보안

데이터 웨어하우스 조정

그리고 많은 다른 사람들