Data Mining wordt gebruikt voor het analyseren van de collecties van waarnemingen

Data mining is het proces van het toepassen van deze methoden om gegevens met de bedoeling van het ontdekken van verborgen patronen. Het is gebruikt voor vele jaren door bedrijven, overheden en wetenschappers te ziften door hoeveelheden gegevens, waaronder gegevens over vliegtuigpassagiers reizen naar census data en een supermarkt scanner data marktonderzoek rapporten produceren.

Een belangrijke reden voor het gebruik data mining is om te helpen bij het analyseren van de collecties van de observaties van gedrag. Deze gegevens zijn kwetsbaar vanwege collineariteit relaties onbekend. Een feit van datamining dat alle data te analyseren niet representatief voor het gehele gebied niet, en daarom kan geen voorbeelden van kritieke gedragingen en relaties die bestaan ​​in andere delen van het veld.

Om dit probleem te overwinnen, kan de analyse worden verhoogd door benaderingen op basis van experimenten en anderen, zoals de keuze modellen voor menselijke gegenereerde data. In deze situaties, die inherent zijn correlaties ofwel gecontroleerd of verwijderd worden tijdens de bouw van de experimentele opstelling

Data mining gaat meestal vier categorieën taken:.

Layout - Organiseert gegevens in vooraf gedefinieerde groepen. Bijvoorbeeld een e-mailprogramma kan proberen om e-mail als legitiem of spam classificatie. Common learning algoritmen zijn beslisbomen, naaste buur, naïeve Bayes indeling en neurale netwerk

Clustering -., Zoals formaat, maar de groepen zijn niet vooraf gedefinieerd, zodat het algoritme zal proberen te groeperen vergelijkbare objecten
<. p> Regressie - Pogingen om een ​​functie die modellen van de gegevens met de minste fout te vinden

Vereniging regel leren -. Zoekopdrachten naar relaties tussen variabelen. Bijvoorbeeld, een supermarkt zou gegevens over het koopgedrag van klanten te verzamelen. Met behulp van het leren van vereniging regels, de supermarkt bepalen welke producten worden vaak gekocht en deze informatie voor marketing doeleinden te gebruiken. Dit is de markt basket analyse genoemd. Nu. Aantal voorbeelden waar het kan worden gebruikt in de echte wereld.

Op het gebied van onderzoek naar menselijke genetica, het doel is van belang de verhouding van overeenstemming tussen de inter-individuele variaties in menselijk DNA-sequenties en begrijpen variabiliteit in gevoeligheid voor ziekten. Simpel gezegd is hoe veranderingen in de DNA-sequentie van iemand op het risico van ziekten zoals kanker. Dit is zeer belangrijk voor de diagnose, preventie en behandeling van ziekten. De data mining techniek die gebruikt wordt voor deze taak staat bekend als multifactoriële dimensionaliteitsreductie.

Op het gebied van elektrotechniek, worden data mining technieken op grote schaal gebruikt voor het bewaken van de toestand van hoge spanning elektrische apparatuur. Doel toestandsbewakingsfuncties is om waardevolle informatie over de gezondheid van de isolatie van de apparatuur. Gegevens, zoals de combinatie van zelforganiserende kaart (SOM) werd toegepast op de trillingen monitoring en analyse van de transformator wikkelingkoppelaar wisselaars (OLTC).

Met behulp van trillingen controle, kan worden opgemerkt dat elke tik verandering werking van een signaal over de status van de contacten en het genereren van trimmer schijven. Natuurlijk, de kraan posities genereren verschillende signalen. Er was echter een aanzienlijke variatie tussen de signalen maakt gewoonlijk precies dezelfde functie. SOM werd gebruikt om abnormale omstandigheden en de aard van de afwijkingen te schatten detecteren
 .;