Fungsi dari data mining dan penjelasanya
Pernahkah Anda mendengar istilah penambangan data? Mungkin Anda juga pernah mendengar ilmu data. Jadi apa definisi dan metode penambangan data, apa fungsinya dan apa tahapan dalam data penambangan? Semuanya akan dibahas lebih dalam di sini
Definisi penambangan data
Penambangan data adalah proses pengerukan atau mengumpulkan informasi penting dari data besar. Proses penambangan data sering menggunakan metode statistik, matematika, untuk memanfaatkan teknologi kecerdasan buatan.
Nama alternatifnya adalah Penemuan Pengetahuan (Pertambangan) dalam database (KDD), ekstraksi pengetahuan, analisis data/pola, data arkeologi, pengerukan data, pemanenan informasi, kecerdasan bisnis, dan lainnya.
Jika dilihat dalam gambar dalam proses KDD, banyak konsep dan teknik digunakan dalam proses penambangan data. Proses ini membutuhkan beberapa langkah untuk mendapatkan data yang diinginkan.
Dalam proses KDD termasuk pembersihan data, integrasi data, pemilihan data, transformasi, penambangan data, evaluasi pola, dan presentasi pengetahuan.
Fungsi penambangan data
Penambangan data memiliki banyak fungsi, untuk fungsi utama itu sendiri, ada dua; Yaitu fungsi deskriptif dan fungsi prediktif. Untuk fungsi lain akan dibahas di bawah ini
1. Deskriptif
Fungsi deskripsi dalam penambangan data adalah fungsi untuk memahami lebih lanjut tentang data yang diamati. Dengan melakukan proses, diharapkan Anda dapat mengetahui perilaku data. Data itu nantinya dapat digunakan untuk menentukan karakteristik data yang dimaksud.
Dengan menggunakan fungsi penambangan data deskriptif, maka kemudian Anda dapat menemukan pola tertentu yang disembunyikan dalam data. Dengan kata lain, jika polanya diulang dan berharga, karakteristik data dapat diketahui.
2. Prediktif
Fungsi prediksi adalah fungsi dari bagaimana suatu proses akan menemukan pola data tertentu. Pola -pola ini dapat diketahui dari berbagai variabel dalam data.
Ketika Anda telah menemukan suatu pola, pola yang diperoleh dapat digunakan untuk memprediksi variabel lain yang nilai atau jenisnya tidak diketahui.
Itulah sebabnya fungsi yang satu ini dikatakan sebagai fungsi prediksi serta melakukan analisis prediktif. Fungsi ini juga dapat digunakan untuk memprediksi variabel tertentu yang tidak ada dalam data.
Jadi fungsi ini membuatnya mudah dan bermanfaat bagi siapa saja yang membutuhkan prediksi akurat untuk membuat hal -hal penting ini lebih baik.
Fungsi penambangan data lainnya adalah: karakterisasi, diskriminasi, asosiasi, klasifikasi, pengelompokan, outlier dan analisis tren, dll.
* Deskripsi konsep multidimensi, karakterisasi dan diskriminasi, atau fungsi untuk menggeneralisasi, merangkum, dan membedakan karakteristik data, dll.
* Pola yang sering, asosiasi, korelasi
* Klasifikasi dan prediksi, membangun model (fungsi) yang menggambarkan dan membedakan kelas atau konsep untuk prediksi di masa depan. Misalnya, mengklasifikasikan negara berdasarkan (iklim), atau mengklasifikasikan mobil berdasarkan (jarak gas)
* Analisis cluster, buat data grup untuk membentuk kelas baru. Misalnya, memaksimalkan kesamaan intra-kelas & meminimalkan kesamaan antar kelas
* Analisis outlier, objek data yang tidak sesuai dengan perilaku umum data, berguna dalam mendeteksi penipuan, analisis peristiwa langka.
* Analisis tren dan evolusi, tren dan penyimpangan: misalnya analisis regresi atau penambangan pola berurutan: misalnya, kamera digital, atau analisis periodisitas dan analisis berdasarkan kesamaan.
* Analisis yang diarahkan atau statistik lainnya
Metode penambangan data
Dalam membuat pengumpulan informasi, tentu saja ada metode, metode ini akan membantu dalam proses menemukan data. Penambangan data akan memberikan perencanaan dari ide -ide hingga implementasi akhir.