Data Mining For Dummies Cheat Sheet - dummies

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