EagleEye: Die Seite wurde neu angelegt: Data Mining ist eine automatische oder semi-automatische Untersuchung von großen Datenmengen um Muster und Regeln zu finden. Diese Aktionen finden oft in Verbindung mi...

2007-10-13T10:00:40Z

Die Seite wurde neu angelegt: Data Mining ist eine automatische oder semi-automatische Untersuchung von großen Datenmengen um Muster und Regeln zu finden. Diese Aktionen finden oft in Verbindung mi...

Neue Seite

Data Mining ist eine automatische oder semi-automatische Untersuchung von großen Datenmengen um Muster und Regeln zu finden. Diese Aktionen finden oft in Verbindung mit einem [[Data Warehouse]] statt.
Diese Analysen werden oft für Einkäuft von großen Firmen, Versicherungen, Banken oder der Forschung gemacht.

== Begriffe ==
Wissensentdeckung - '''Knowledge Detection in Data Bases - KDD''' - Prozess zur Identifikation von Mustern in den Daten.
Daten - Menge von Fakten, z.B. in einer Datenbank
Muster - Ausdruck einer Sprache um eine Teilmenge der Daten zu beschreiben ''if Kontostand < x then Limit überschritten''. Ein Muster ist die Instanziierung eines Modells. Das Muster kann je nach Bedarf auch vereinfacht werden.
Muster: <math>f(x)=3x^2 + x</math>
Modell: <math>f(x)=\alpha x^2 + \beta x + \gamma</math>
Prozess - Besteht aus mehreren Schritten
* Vorbereitung der Daten
* Suche nach Mustern (Hypothesen aufstellen)
* Überprüfung anhand von Beispielen (Evaluation)
* Bei nichterreichen der Ziele, wiederholen der vorigen Schritte
Gültigkeit - Beschreibt die Sicherheit das die Klassifizierung korrekt vorgenommen wird <math>C(Muster,Daten)</math>
Nützlichkeit - Beschreibt ob sich aus den Informationen Entscheidungen oder Aktionen ableiten lassen
Verständlichkeit - Beschreibt ob/wie die gefundenen Muster zu verstehen sind

== KDD-Prozess ==
Der KDD-Prozess wird verwendet um z.B. kreditwürdige Bankkunden zu finden oder Kundenprofile für eines Handels zu bestimmt.
Er besteht aus mehreren Schritten:
* Anwendungsgebiet verstehen sowie Vorwissen und Ziele der Endbenutzer herausfinden.
* Vorauswahl der Daten mit relevanz zum Problem, d.h. es werden nur die Daten verwendet die etwas mit dem Problem zu tun haben.
* Vorverarbeitung, z.B. Ausreißer, fehlerhafte Daten filtern oder fehlende Daten ergänzen.
* Datenreduktion und -projektion, Reduzierung der Daten auf die wichtigen Eigenschaften.
* Data Mining Aufgabe wählen, z.B. Klassifikation oder Clustering.
* Data Mining Methode anhand des Ziels wählen.
* Data Mining durchführen um z.B. einen Entscheidungsbaum oder Netz zu erhalten
* Interpretation der Daten und gegebenenfalls wiederholen der Schritte
* Anwenden des gefundenen Wissens

== Beschreibungsarten ==
Die Daten können nach verschiedenen Mustern beschrieben bzw. untersucht werden:
* Klassifikation - Lernen von Funktionen und Daten in verschiedene Klassen abbilden, z.B. Gehalt größer als X und Gehalt kleiner als X
* Regression - Daten auf Realzalen abbilden, z.B. eine Gerade durch eine Menge von Daten bestimmen, Schuldhöhe in Abhängigkeit vom Lohn
* Clustering - Bilden von Gruppen anhand der Werte

[[Kategorie:Künstliche Intelligenz]]

Data Mining - Versionsgeschichte

EagleEye: Die Seite wurde neu angelegt: Data Mining ist eine automatische oder semi-automatische Untersuchung von großen Datenmengen um Muster und Regeln zu finden. Diese Aktionen finden oft in Verbindung mi...