Data Mining Tutorial for CS for Android APK

説明

データ マイニングは、機械学習、統計、およびデータベース システムが交差する方法を含む、大規模なデータ セット内のパターンを発見するプロセスです。データ マイニングは、コンピューター サイエンスと統計学の学際的なサブフィールドであり、データ セットから情報を (インテリジェントな方法で) 抽出し、その情報を理解できる構造に変換してさらに使用できるようにすることを全体的な目標としています。データマイニングは、「データベースの知識発見」プロセスまたは KDD の分析ステップです。生の分析ステップとは別に、データベースとデータ管理の側面、データの前処理、モデルと推論の考慮事項、興味深い指標、複雑さの考慮事項、発見された構造の後処理、視覚化、およびオンライン更新も含まれます。

「データ マイニング」という用語は誤称です。目的は、データ自体の抽出 (マイニング) ではなく、大量のデータからパターンと知識を抽出することだからです。また、流行語でもあり、大規模なデータまたは情報処理 (収集、抽出、保管、分析、および統計) のあらゆる形態、および人工知能 (機械学習など) を含むコンピューター意思決定支援システムのあらゆるアプリケーションに頻繁に適用されます。学習）とビジネスインテリジェンス。 「Data mining: Practical machine learning tools and technologies with Java」 (主に機械学習の資料を扱っている) という本は、もともとは単に Practical machine learning という名前でしたが、データ マイニングという用語は、マーケティング上の理由からのみ追加されました。多くの場合、より一般的な用語 (大規模な) データ分析と分析、または実際の方法について言及する場合は、人工知能と機械学習がより適切です。

実際のデータ マイニング タスクは、大量のデータを半自動または自動で分析して、データ レコードのグループ (クラスター分析)、異常なレコード (異常検出)、依存関係 (関連付けルール マイニング、シーケンシャル パターン マイニング)。これには通常、空間インデックスなどのデータベース技術の使用が含まれます。これらのパターンは、入力データの一種の要約と見なすことができ、さらなる分析や、機械学習や予測分析などに使用できます。たとえば、データ マイニング ステップでは、データ内の複数のグループを識別できます。これらのグループを使用して、意思決定支援システムによってより正確な予測結果を得ることができます。データ収集、データ準備、結果の解釈およびレポート作成は、データ マイニング ステップの一部ではありませんが、追加のステップとして KDD プロセス全体に属します。

データ ウェアハウスは、複数の異種ソースからのデータを統合することによって構築されます。

分析レポート、構造化および/またはアドホック クエリ、および意思決定をサポートします。このチュートリアルでは、段階的なアプローチを採用して、データ ウェアハウジングに必要なすべての概念を説明します。

カテゴリのチュートリアル コレクションは以下にあり、すべてのトピックを提供します。

データ ウェアハウスの概要

データ ウェアハウスの概念

データ ウェアハウス システムのプロセス

データ ウェアハウスのアーキテクチャ

データ ウェアハウスの用語

データ ウェアハウス配信プロセス

データ ウェアハウス 多次元 OLAP

データ ウェアハウス スキーマ

データ ウェアハウスのテスト

データ ウェアハウスの将来の側面

データ ウェアハウス インタビューの質問

データ ウェアハウスのパーティショニング戦略

データ ウェアハウス メタデータの概念

データ ウェアハウス データ マーティング

データ ウェアハウス システム マネージャー

データ ウェアハウス プロセス マネージャー

データ ウェアハウスのセキュリティ

データ ウェアハウスのチューニング

その他多数