Data Mining Tutorial for CS for Android APK

La description

L'exploration de données est le processus de découverte de modèles dans de grands ensembles de données impliquant des méthodes à l'intersection de l'apprentissage automatique, des statistiques et des systèmes de base de données. L'exploration de données est un sous-domaine interdisciplinaire de l'informatique et des statistiques dont l'objectif général est d'extraire des informations (avec des méthodes intelligentes) d'un ensemble de données et de transformer les informations en une structure compréhensible pour une utilisation ultérieure. L'exploration de données est l'étape d'analyse du processus de "découverte des connaissances dans les bases de données" ou KDD. Outre l'étape d'analyse brute, cela implique également des aspects de base de données et de gestion des données, le prétraitement des données, des considérations de modèle et d'inférence, des mesures d'intérêt, des considérations de complexité, le post-traitement des structures découvertes, la visualisation et la mise à jour en ligne.

Le terme "exploration de données" est un abus de langage, car l'objectif est l'extraction de modèles et de connaissances à partir de grandes quantités de données, et non l'extraction (extraction) des données elles-mêmes. C'est également un mot à la mode et est fréquemment appliqué à toute forme de traitement de données ou d'informations à grande échelle (collecte, extraction, entreposage, analyse et statistiques) ainsi qu'à toute application de système informatique d'aide à la décision, y compris l'intelligence artificielle (par exemple, machine l'apprentissage) et l'intelligence d'affaires. Le livre Data mining: Practical machine learning tools and techniques with Java (qui couvre principalement le matériel d'apprentissage automatique) devait à l'origine s'appeler simplement Practical machine learning, et le terme data mining n'a été ajouté que pour des raisons de marketing. Souvent, les termes plus généraux (à grande échelle) d'analyse et d'analyse de données ou, lorsqu'il s'agit de méthodes réelles, l'intelligence artificielle et l'apprentissage automatique sont plus appropriés.

La tâche d'exploration de données réelle est l'analyse semi-automatique ou automatique de grandes quantités de données pour extraire des modèles intéressants jusque-là inconnus, tels que des groupes d'enregistrements de données (analyse de cluster), des enregistrements inhabituels (détection d'anomalies) et des dépendances (exploration de règles d'association, extraction de motifs séquentiels). Cela implique généralement l'utilisation de techniques de base de données telles que les indices spatiaux. Ces modèles peuvent alors être considérés comme une sorte de résumé des données d'entrée et peuvent être utilisés dans une analyse plus approfondie ou, par exemple, dans l'apprentissage automatique et l'analyse prédictive. Par exemple, l'étape d'exploration de données peut identifier plusieurs groupes dans les données, qui peuvent ensuite être utilisés pour obtenir des résultats de prédiction plus précis par un système d'aide à la décision. Ni la collecte de données, ni la préparation des données, ni l'interprétation des résultats et le rapport ne font partie de l'étape d'exploration de données, mais appartiennent au processus KDD global en tant qu'étapes supplémentaires.

Un entrepôt de données est construit en intégrant des données provenant de plusieurs sources hétérogènes.

Il prend en charge les rapports analytiques, les requêtes structurées et/ou ad hoc et la prise de décision. Ce didacticiel adopte une approche étape par étape pour expliquer tous les concepts nécessaires de l'entreposage de données.

Les collections de didacticiels de catégories sont ci-dessous et fournissent tous les sujets comme,

Présentation de l'entrepôt de données

Concepts d'entrepôt de données

Processus du système d'entrepôt de données

Architecture d'entrepôt de données

Terminologies de l'entrepôt de données

Processus de livraison de l'entrepôt de données

Entrepôt de données OLAP multidimensionnel

Schémas d'entrepôt de données

Test d'entrepôt de données

Aspects futurs de l'entrepôt de données

Questions d'entretien d'entrepôt de données

Stratégie de partitionnement de l'entrepôt de données

Concepts de métadonnées d'entrepôt de données

Entrepôt de données Data Marting

Gestionnaires de système d'entrepôt de données

Gestionnaires de processus d'entrepôt de données

Sécurité de l'entrepôt de données

Réglage de l'entrepôt de données

et plein d'autres