Data mining - Sistemi

È disponibile un'ampia varietà di sistemi di data mining. I sistemi di data mining possono integrare tecniche dalle seguenti:

  • Analisi dei dati spaziali
  • Recupero delle informazioni
  • Riconoscimento di modelli
  • Analisi delle immagini
  • Elaborazione del segnale
  • Computer grafica
  • Tecnologia web
  • Business
  • Bioinformatics

Classificazione del sistema di data mining

Un sistema di data mining può essere classificato in base ai seguenti criteri:

  • Tecnologia database
  • Statistics
  • Apprendimento automatico
  • Scienza dell'informazione
  • Visualization
  • Altre discipline

Oltre a questi, un sistema di data mining può anche essere classificato in base al tipo di (a) database estratti, (b) conoscenza estratta, (c) tecniche utilizzate e (d) applicazioni adattate.

Classificazione basata sui database estratti

Possiamo classificare un sistema di data mining in base al tipo di database estratti. Il sistema di database può essere classificato in base a diversi criteri come modelli di dati, tipi di dati, ecc. E il sistema di data mining può essere classificato di conseguenza.

Ad esempio, se classifichiamo un database in base al modello di dati, potremmo avere un sistema di mining relazionale, transazionale, relazionale a oggetti o di data warehouse.

Classificazione basata sul tipo di conoscenza estratta

Possiamo classificare un sistema di data mining in base al tipo di conoscenza estratta. Significa che il sistema di data mining è classificato sulla base di funzionalità come:

  • Characterization
  • Discrimination
  • Analisi di associazione e correlazione
  • Classification
  • Prediction
  • Analisi anomale
  • Analisi dell'evoluzione

Classificazione basata sulle tecniche utilizzate

Possiamo classificare un sistema di data mining in base al tipo di tecniche utilizzate. Possiamo descrivere queste tecniche in base al grado di interazione dell'utente coinvolto o ai metodi di analisi impiegati.

Classificazione basata sulle applicazioni adattate

Possiamo classificare un sistema di data mining in base alle applicazioni adattate. Queste applicazioni sono le seguenti:

  • Finance
  • Telecommunications
  • DNA
  • Mercati azionari
  • E-mail

Integrazione di un sistema di data mining con un sistema DB / DW

Se un sistema di data mining non è integrato con un database o un sistema di data warehouse, non ci sarà alcun sistema con cui comunicare. Questo schema è noto come schema di non accoppiamento. In questo schema, l'attenzione principale è sulla progettazione del data mining e sullo sviluppo di algoritmi efficienti ed efficaci per l'estrazione dei set di dati disponibili.

L'elenco degli schemi di integrazione è il seguente:

  • No Coupling- In questo schema, il sistema di data mining non utilizza nessuna delle funzioni del database o del data warehouse. Recupera i dati da una particolare origine e li elabora utilizzando alcuni algoritmi di data mining. Il risultato del data mining viene archiviato in un altro file.

  • Loose Coupling- In questo schema, il sistema di data mining può utilizzare alcune delle funzioni del database e del sistema di data warehouse. Recupera i dati dai dati respiratori gestiti da questi sistemi ed esegue il data mining su quei dati. Quindi memorizza il risultato dell'estrazione in un file o in una posizione designata in un database o in un data warehouse.

  • Semi−tight Coupling - In questo schema, il sistema di data mining è collegato a un database o un sistema di data warehouse e in aggiunta a ciò, nel database possono essere fornite implementazioni efficienti di alcune primitive di data mining.

  • Tight coupling- In questo schema di accoppiamento, il sistema di data mining è facilmente integrato nel database o nel sistema di data warehouse. Il sottosistema di data mining viene trattato come un componente funzionale di un sistema informativo.