1 / 0

資料採礦簡介

3. 資料採礦簡介. 3-1 資料採礦的定義. 資料採礦 (Data Mining) 是近年來資料庫應用領域中相當熱門的議題 資料採礦是指找尋隱藏在資料中的訊息，如「趨勢 (Trend) 」、「特徵 (Pattern) 」及「相關性 (Relationship) 」的過程，也就是從資料中發掘資訊或知識（有人稱為 Knowledge Discovery in Databases, KDD ） 許多產業界人士也認為此領域是一項增加各企業潛能的重要指標 . 3-2 資料採礦的功能. 資料採礦功能可包含下列五項，這些功能大 多為已成熟的計量及統計分析方法：

kalila
Download Presentation

資料採礦簡介

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript

  1. 3

    資料採礦簡介

  2. 3-1 資料採礦的定義 資料採礦(Data Mining)是近年來資料庫應用領域中相當熱門的議題 資料採礦是指找尋隱藏在資料中的訊息，如「趨勢(Trend)」、「特徵(Pattern)」及「相關性(Relationship)」的過程，也就是從資料中發掘資訊或知識（有人稱為Knowledge Discovery in Databases, KDD） 許多產業界人士也認為此領域是一項增加各企業潛能的重要指標
  3. 3-2 資料採礦的功能 資料採礦功能可包含下列五項，這些功能大 多為已成熟的計量及統計分析方法： 分類（Classification） 按照分析對象的屬性分門別類加以定義，建立類組(class) 推估（Estimation） 根據既有連續性數值之相關屬性資料，以獲致某一屬性未知之值 預測（Prediction） 根據對象屬性之過去觀察值來推估該屬性未來之值 關聯分組（Affinity grouping） 從所有物件決定那些相關物件應該放在一起 同質分組（Clustering） 將異質母體中區隔為較具同質性之群組(clusters)，其目的是要將組與組之間的差異辨識出來，並對個別組內之相似樣本進行挑選
  4. 3-3 資料採礦建模的標準CRISP-DM CRISP-DM分為六個階段(phase)： 一. 定義商業問題（Business Understanding） 二. 資料理解（Data Understanding） 三. 資料預處理（Data Preparation） 四. 建立模型（Modeling） 五. 評價和解釋（Evaluation） 六. 實施（Deployment）
  5. 3-4 資料採礦的應用
  6. 3-5 資料採礦軟體介紹
  7. 本章結束
More Related