Casa Finanza personale Data Mining For Dummies Cheat Sheet - dummies

Data Mining For Dummies Cheat Sheet - dummies

Video: Basic Machine Learning Algorithms Overview - Data Science Crash Course Mini-series 2025

Video: Basic Machine Learning Algorithms Overview - Data Science Crash Course Mini-series 2025
Anonim

di Meta S. Brown

Il data mining è il modo in cui gli uomini d'affari ordinari utilizzano una gamma di tecniche di analisi dei dati per scoprire utili informazioni dai dati e metterle in pratica. I minatori di dati non si preoccupano della teoria e delle ipotesi. Convalidano le loro scoperte testando. E capiscono che le cose cambiano, quindi quando la scoperta che ha funzionato come un fascino ieri non regge oggi, si adattano.

Le 9 leggi del data mining: una guida di riferimento

Il minatore dei dati pionieristici Thomas Khabaza ha sviluppato le sue "Nine Laws of Data Mining" per guidare i nuovi minatori di dati mentre si mettono al lavoro. Questa guida di riferimento mostra ciò che ciascuna di queste leggi significa per il tuo lavoro quotidiano.

  • Prima legge del data mining o "legge sugli obiettivi aziendali": Gli obiettivi aziendali sono all'origine di ogni soluzione di data mining.

    Un minatore di dati è una persona che scopre informazioni utili dai dati per supportare specifici obiettivi di business. Il data mining non è definito dallo strumento che usi.

  • 2nd Law of Data Mining, o "Business Knowledge Law": Business Knowledge è fondamentale in ogni fase del processo di data mining .

    Non devi essere un esperto di statistica per fare il data mining, ma devi sapere qualcosa su cosa significano i dati e come funziona l'azienda.

  • 3a legge del data mining o "legge sulla preparazione dei dati": La preparazione dei dati è più della metà di ogni processo di data mining .

    Quasi tutti i data miner dedicheranno più tempo alla preparazione dei dati che all'analisi.

  • 4a legge del data mining, o "Nessun pranzo gratuito per il data miner": Il modello giusto per una data applicazione può essere scoperto solo dall'esperimento .

    Nel data mining, i modelli vengono selezionati per tentativi ed errori.

  • 5 ° legge del data mining: Ci sono sempre modelli nei dati .

    Come minatore di dati, esplori i dati alla ricerca di modelli utili. La comprensione dei pattern nei dati consente di influenzare ciò che accade in futuro.

  • Sesta legge sul data mining o "Insight Law": Il data mining amplifica la percezione nel dominio aziendale .

    I metodi di data mining ti consentono di comprendere meglio la tua attività rispetto a quella che avresti potuto fare senza di loro.

  • 7 ° Legge di Data Mining o "Prediction Law": La predizione aumenta le informazioni localmente per generalizzazione.

    Il data mining ci aiuta a utilizzare ciò che sappiamo per fare previsioni migliori (o stime) di cose che non conosciamo.

  • ottava legge del data mining o "legge del valore": Il valore dei risultati del data mining non è determinato dall'accuratezza o dalla stabilità dei modelli predittivi .

    Il tuo modello deve produrre buone previsioni, in modo coerente. Questo è tutto.

  • 9 ° legge del data mining, o "Legge del cambiamento": Tutti i modelli sono soggetti a modifiche.

    Qualsiasi modello che ti dia grandi previsioni oggi potrebbe essere inutile domani.

Fasi del processo di data mining

Il Processo standard intersettoriale per il data mining ( CRISP-DM ) è il framework del processo di data mining dominante. È uno standard aperto; chiunque può usarlo. Il seguente elenco descrive le varie fasi del processo.

  • Comprensione aziendale: Ottieni una comprensione chiara del problema che stai cercando di risolvere, dell'impatto che la tua organizzazione ha avuto e dei tuoi obiettivi per affrontarlo. Le attività in questa fase includono:

    • Identificazione degli obiettivi aziendali

    • Valutazione della situazione

    • Definizione degli obiettivi di data mining

    • Produzione del piano di progetto

  • Comprensione dei dati: Rivedi i dati che hai, documentarlo, identificare la gestione dei dati e problemi di qualità dei dati. Le attività per questa fase includono:

    • Raccolta dati

    • Descrizione

    • Esplorazione

    • Verifica qualità

  • Preparazione dati: Prepara i dati per la modellazione. Le attività per questa fase includono:

    • Selezione dei dati

    • Pulizia dei dati

    • Costruzione

    • Integrazione della

    • Formattazione

  • Modellazione: Utilizzare le tecniche matematiche per identificare i modelli all'interno dei dati. Le attività per questa fase includono:

    • Selezione delle tecniche

    • Progettazione di test

    • Modelli di edifici

    • Valutazione dei modelli

  • Valutazione: Rivedere i modelli che hai scoperto e valutare il loro potenziale per uso aziendale. Le attività per questa fase includono:

    • Valutazione dei risultati

    • Revisione del processo

    • Determinazione dei passi successivi

  • Distribuzione: Metti in pratica le tue scoperte nel mondo degli affari. Le attività per questa fase includono:

    • Pianificazione dell'implementazione (i metodi per l'integrazione delle rilevazioni di data mining in uso)

    • Segnalazione dei risultati finali

    • Revisione dei risultati finali

Data Mining For Dummies Cheat Sheet - dummies

Scelta dell'editore

Il programma in cinque passaggi per superare la menopausa - dummy

Il programma in cinque passaggi per superare la menopausa - dummy

Alcune donne capiscono a malapena che la menopausa è loro. Altre donne, tuttavia, sono meno fortunate. Se sei uno di questi, prendi in mano questi pochi modi per rendere la tua esperienza più facile per te stesso: capisci e accetta che stai attraversando una transizione naturale, proprio come la pubertà. Fortunatamente, sei più vecchio e più saggio di te ...

Menopausa For Dummies Cheat Sheet (edizione UK) - dummies

Menopausa For Dummies Cheat Sheet (edizione UK) - dummies

Menopausa segna la fine della fase riproduttiva della tua vita e così è un momento significativo di cambiamento fisico, emotivo e mentale per molte donne ma, per generazioni, donne di tutte le età hanno vagato alla cieca in menopausa senza sapere cosa aspettarsi. Qui puoi scoprire alcune delle nozioni di base.

Perimenopausa: facilitare la transizione dalle mestruazioni alla menopausa - manichini

Perimenopausa: facilitare la transizione dalle mestruazioni alla menopausa - manichini

Mestruazioni e menopausa sono ben noti biologici pietre miliari nella vita di una femmina. Contrariamente al pensiero popolare, la menopausa non è il periodo di mesi o anni in cui una donna sta "attraversando il cambiamento". "Questo lasso di tempo è chiamato perimenopausa. La menopausa è una data effettiva nel tempo. In particolare, è il 12 ° anniversario dell'ultimo ciclo mestruale di una donna. ...

Scelta dell'editore

Come utilizzare il filtro automatico personalizzato su una tabella di Excel - dummies

Come utilizzare il filtro automatico personalizzato su una tabella di Excel - dummies

È Possibile creare un filtro automatico personalizzato . Per fare ciò, seleziona il comando Filtro testo dal menu della tabella e scegli una delle opzioni di filtro del testo. Indipendentemente dall'opzione di filtro del testo selezionata, Excel visualizza la finestra di dialogo Filtro automatico personalizzato. Questa finestra di dialogo consente di specificare con estrema precisione quali record si desidera ...

Come utilizzare la funzione DPRODUCT in un database Excel - dummies

Come utilizzare la funzione DPRODUCT in un database Excel - dummies

DPRODUCT moltiplica i valori che corrispondono al criterio in un database Excel. Questo è potente ma anche in grado di produrre risultati che non sono l'intenzione. In altre parole, è una cosa da aggiungere e ricavare una somma. Questa è un'operazione comune su un set di dati. Osservando la seguente figura, è possibile ...

Come utilizzare la funzione DPRODUCT in Excel - dummy

Come utilizzare la funzione DPRODUCT in Excel - dummy

La funzione DPRODUCT in Excel è strana. La funzione DPRODUCT moltiplica i valori nei campi da un elenco di database in base ai criteri di selezione. Perché vorresti farlo? Chissà. La funzione utilizza la sintassi = DPRODUCT (database, campo, criteri) in cui il database è un riferimento all'intervallo alla tabella di Excel che contiene il valore desiderato ...

Scelta dell'editore

Programmazione con Java: riutilizzo dei nomi nella tua app per Android - dummies

Programmazione con Java: riutilizzo dei nomi nella tua app per Android - dummies

Ci sono un paio di cose a cui vuoi pensare quando riutilizzi i nomi nella tua app per Android. È possibile dichiarare due variabili Java - bag1 e bag2 - per fare riferimento a due diversi oggetti BagOfCheese. Va bene. Ma a volte, avere solo una variabile e riutilizzarla per il secondo oggetto funziona altrettanto bene, ...

Java: Mettere a frutto l'uso della classe - dummies

Java: Mettere a frutto l'uso della classe - dummies

La classe Employee nell'elenco non ha alcun metodo principale , quindi non c'è un punto di partenza per l'esecuzione del codice. Per risolvere questo problema, il programmatore scrive un programma separato con un metodo principale e utilizza tale programma per creare istanze Employee. Questo elenco di codici mostra una classe con un metodo principale - uno che inserisce il ...

Classi wrapper java - dummies

Classi wrapper java - dummies

La differenza tra tipi primitivi e tipi di riferimento è una delle funzionalità più controverse di Java e gli sviluppatori si lamentano spesso sulle differenze tra valori primitivi e valori di riferimento. Ogni tipo primitivo viene cotto nella lingua. Java ha otto tipi primitivi. Ogni tipo di riferimento è una classe o un'interfaccia. È possibile definire il proprio ...