विषयसूची:

नीति चुनने के लिए किस डेटा माइनिंग तकनीक का उपयोग किया जा सकता है?
नीति चुनने के लिए किस डेटा माइनिंग तकनीक का उपयोग किया जा सकता है?

वीडियो: नीति चुनने के लिए किस डेटा माइनिंग तकनीक का उपयोग किया जा सकता है?

वीडियो: नीति चुनने के लिए किस डेटा माइनिंग तकनीक का उपयोग किया जा सकता है?
वीडियो: मात्रात्मक एवं गुणात्मक उपकरण । Qualitative and Quantitative Equipment |बी. एड. । टीईटी । डी.एल.एड . 2024, नवंबर
Anonim

7 सबसे महत्वपूर्ण डाटा माइनिंग तकनीक

  1. ट्रैकिंग पैटर्न। सबसे बुनियादी में से एक तकनीक में डेटा खनन अपने में पैटर्न को पहचानना सीख रहा है आंकड़े सेट।
  2. वर्गीकरण।
  3. संगठन।
  4. बाहरी पता लगाना।
  5. क्लस्टरिंग।
  6. प्रतिगमन।
  7. भविष्यवाणी।

इस संबंध में, डेटा माइनिंग किस प्रकार के डेटा पर किया जा सकता है?

डेटा खनन डेटाबेस के लिए उपयोग और अध्ययन किया जा रहा है, जिसमें रिलेशनल डेटाबेस, ऑब्जेक्ट-रिलेशनल डेटाबेस और ऑब्जेक्ट-ओरिएंटेड डेटाबेस शामिल हैं, आंकड़े वेयरहाउस, ट्रांजेक्शनल डेटाबेस, असंरचित और अर्ध-संरचित रिपॉजिटरी जैसे वर्ल्ड वाइड वेब, उन्नत डेटाबेस जैसे स्थानिक डेटाबेस, कोई यह भी पूछ सकता है कि डेटा माइनिंग किस तरह से सांख्यिकी से अलग है, निम्नलिखित में से सही का चयन करें? डेटा खनन एक आगमनात्मक प्रक्रिया है और एक निर्णय वृक्ष की तरह एक एल्गोरिथ्म का उपयोग करता है, प्राप्त करने के लिए क्लस्टरिंग एल्गोरिदम का उपयोग करता है आंकड़े विभाजन और परिकल्पना उत्पन्न करें आंकड़े जबकि आंकड़े निगमनात्मक प्रक्रिया है अर्थात इसमें कोई भविष्यवाणी शामिल नहीं है जिसका उपयोग ज्ञान प्राप्त करने और परिकल्पनाओं को सत्यापित करने के लिए किया जाता है।

लोग यह भी पूछते हैं कि चार डेटा माइनिंग तकनीकें कौन सी हैं जो इस बात का उदाहरण देती हैं कि आप व्यवसाय में हर एक का उपयोग कैसे करेंगे?

एसोसिएशन रूल डिस्कवरी (वर्णनात्मक) वर्गीकरण (भविष्य कहनेवाला) क्लस्टरिंग (वर्णनात्मक)

वापसी

  • पूरक उत्पादों के आधार पर एक नए उत्पाद के राजस्व की भविष्यवाणी करना।
  • सिगरेट की खपत, खपत किए गए भोजन, उम्र आदि के आधार पर कैंसर की भविष्यवाणी करना।
  • शेयर बाजार और सूचकांक की समय श्रृंखला भविष्यवाणी।

डेटा माइनिंग टूल के पाँच प्रमुख प्रकार कौन से हैं?

नीचे 5 डेटा माइनिंग तकनीकें दी गई हैं जो आपको इष्टतम परिणाम बनाने में मदद कर सकती हैं।

  • वर्गीकरण विश्लेषण। इस विश्लेषण का उपयोग डेटा और मेटाडेटा के बारे में महत्वपूर्ण और प्रासंगिक जानकारी प्राप्त करने के लिए किया जाता है।
  • एसोसिएशन नियम सीखना।
  • विसंगति या बाहरी पहचान।
  • क्लस्टरिंग विश्लेषण।
  • प्रतिगमन विश्लेषण।

सिफारिश की: