Data Mining - История изменений

Admin: /* Задачи, решаемые Data Mining */

2022-06-11T17:05:00Z

‎Задачи, решаемые Data Mining

Admin: /* Задачи, решаемые Data Mining */

2016-09-07T14:44:51Z

‎Задачи, решаемые Data Mining

Admin: /* Представление обнаруженных знаний */

2016-05-17T13:04:52Z

‎Представление обнаруженных знаний

Admin в 13:03, 17 мая 2016

2016-05-17T13:03:21Z

Admin в 11:25, 12 мая 2016

2016-05-12T11:25:35Z

Admin в 10:32, 12 мая 2016

2016-05-12T10:32:18Z

Admin в 08:35, 16 декабря 2015

2015-12-16T08:35:35Z

Admin: /* Задачи DataMining */

2015-11-13T08:30:22Z

‎Задачи DataMining

Admin: /* Свойства обнаруживаемых знаний */

2015-11-13T08:30:08Z

‎Свойства обнаруживаемых знаний

Admin: /* Соревнования в Data Mining */

2015-11-13T08:28:52Z

‎Соревнования в Data Mining

@@ Строка 11: / Строка 11: @@
 == Задачи, решаемые Data Mining ==
 Единого мнения относительно того, какие задачи следует относить к DataMining, нет. Большинство авторитетных источников перечисляют следующие:
-* [[Классы и отношения|классификация]],
+* [[Класс|классификация]],
 * [[кластеризация]],
 * [[прогнозирование]],

@@ Строка 11: / Строка 11: @@
 == Задачи, решаемые Data Mining ==
 Единого мнения относительно того, какие задачи следует относить к DataMining, нет. Большинство авторитетных источников перечисляют следующие:
-* классификация,
+* [[Классы и отношения|классификация]],
-* кластеризация,
+* [[кластеризация]],
-* прогнозирование,
+* [[прогнозирование]],
 * ассоциация,
 * визуализация,

@@ Строка 36: / Строка 36: @@
 * кластеры;
 * математические функции.
-Алгоритмы поиска таких закономерностей находятся на пересечении областей: [[Искусственный интеллект]], Математическая статистика, Математическое программирование, Визуализация, OLAP.
+Алгоритмы поиска таких закономерностей находятся на пересечении областей: [[Искусственный интеллект]], Математическая статистика, Математическое программирование, Визуализация, [[OLAP]].
 == Соревнования в Data Mining ==

← Предыдущая		Версия 13:03, 17 мая 2016
Строка 1:		Строка 1:
−	'''Data Mining''' (рус. добыча данных, интеллектуальный анализ данных, глубинный анализ данных) — собирательное название, используемое для обозначения совокупности методов обнаружения в данных ранее неизвестных, нетривиальных, практически полезных и доступных интерпретации знаний, необходимых для принятия решений в различных сферах человеческой деятельности. Термин введён Григорием Пятецким-Шапиро в 1989 году~~[1][2][3]~~.	+	'''Data Mining''' (рус. добыча данных, интеллектуальный анализ данных, глубинный анализ данных) — собирательное название, используемое для обозначения совокупности методов обнаружения в данных ранее неизвестных, нетривиальных, практически полезных и доступных интерпретации знаний, необходимых для принятия решений в различных сферах человеческой деятельности. Термин введён Григорием Пятецким-Шапиро в 1989 году.

	== Определения ==		== Определения ==

@@ Строка 1: / Строка 1: @@
 Существует множество определений DataMining, которые друг друга дополняют. Вот некоторые из них:
-* '''DataMining''' — это процесс обнаружения в базах данных нетривиальных и практически полезных закономерностей. (BaseGroup)
+* '''DataMining''' — это процесс обнаружения в базах данных нетривиальных и практически полезных закономерностей. (BaseGroup).
-* '''DataMining''' — это процесс выделения, исследования и моделирования больших объемов данных для обнаружения неизвестных  до этого структур(patters) с целью достижения преимуществ в бизнесе(SAS Institute)
+* '''DataMining''' — это процесс выделения, исследования и моделирования больших объемов данных для обнаружения неизвестных до этого структур (закономерности/паттерны/patterns) с целью достижения преимуществ в бизнесе (SAS Institute).
-* '''DataMining''' — это процесс, цель которого – обнаружить новые значимые корреляции, образцы  и тенденции в результате просеивания большого объема хранимых данных с использованием  методик распознавания образцов плюс применение статистических и математических методов( GartnerGroup)
+* '''DataMining''' — это процесс, цель которого – обнаружить новые значимые корреляции, образцы  и тенденции в результате просеивания большого объема хранимых данных с использованием  методик распознавания образцов плюс применение статистических и математических методов (GartnerGroup).
-* '''DataMining''' — это исследование и обнаружение «машиной»(алгоритмами, средствами искусственного интеллекта) в сырых данных скрытых знаний ,которые ранее не были известны, нетривиальны, практически полезны, доступны для интерпретации человеком.(А.Баргесян «Технологии анализа данных»)
+* '''DataMining''' — это исследование и обнаружение «машиной» (алгоритмами, средствами искусственного интеллекта) в сырых данных скрытых знаний, которые ранее не были известны, нетривиальны, практически полезны, доступны для интерпретации человеком (А.Баргесян «Технологии анализа данных»).
-* '''DataMining''' — это процесс обнаружения полезных знаний о бизнесе.(Н.М.Абдикеев «КБА»).
+* '''DataMining''' — это процесс обнаружения полезных знаний о бизнесе (Н.М.Абдикеев «КБА»).
-== Свойства обнаруживаемых знаний ==
+== Задачи, решаемые Data Mining ==
-#Знания должны быть новые, ранее неизвестные. Затраченные усилия на открытие знаний, которые уже известны пользователю, не окупаются. Поэтому ценность представляют именно новые, ранее неизвестные знания.
+Единого мнения относительно того, какие задачи следует относить к DataMining, нет. Большинство авторитетных источников перечисляют следующие:
-#Знания должны быть нетривиальны. Результаты анализа должны отражать неочевидные, неожиданные закономерности в данных, составляющие так называемые скрытые знания. Результаты, которые могли бы быть получены более простыми способами (например, визуальным просмотром), не оправдывают привлечение мощных методов DataMining.
-#Знания должны быть практически полезны. Найденные знания должны быть применимы, в том числе и на новых данных, с достаточно высокой степенью достоверности. Полезность заключается в том, чтобы эти знания могли принести определенную выгоду при их применении.
-#Знания должны быть доступны для понимания человеку. Найденные закономерности должны быть логически объяснимы, в противном случае существует вероятность, что они являются случайными. Кроме того, обнаруженные знания должны быть представлены в понятном для человека виде.
-−
-== Модели ==
-В DataMining для представления полученных знаний служат [[Модель|модели]]. Виды моделей зависят от методов их создания.
-−
-Наиболее распространенными являются:
-* правила,
-* деревья решений,
-* кластеры,
-* математические функции.
-−
-== Задачи Data Mining ==
-Единого мнения относительно того, какие задачи следует относить к DataMining, нет. Большинство авторитетных источников перечисляют следующие (наиболее распространенные выделены жирным):
 * классификация,
 * кластеризация,
@@ Строка 33: / Строка 21: @@
 * подведение итогов.
-Цель описания, которое следует ниже, - дать общее представление о задачах DataMining, сравнить некоторые из них, а также представить некоторые методы, с помощью которых эти задачи решаются.
+Задачи подразделяются по типам производимой информации, это наиболее общая классификация задач DataMining.
-Таким образом, задачи подразделяются по типам производимой информации, это наиболее общая классификация задач DataMining.
+== Свойства обнаруживаемых знаний ==
 == Соревнования в Data Mining ==

@@ Строка 30: / Строка 30: @@
 == Соревнования в Data Mining ==
-http://www.kaggle.com
+* http://www.kaggle.com
+* http://www.crowdanalytix.com
-http://www.crowdanalytix.com
+* https://www.innocentive.com
+* http://tunedit.org
-https://www.innocentive.com
+* http://kddcup2012.org
-−
 http://tunedit.org
-−
 http://kddcup2012.org
 [[Категория:Практики]]