هل كل الأنماط مثيرة للاهتمام في التنقيب عن البيانات؟

2024 مؤلف: Lynn Donovan | [email protected]. آخر تعديل: 2023-12-15 23:43

على عكس مهمة النمذجة التقليدية البيانات - حيث الهدف هو الوصف الكل التابع البيانات بنموذج واحد- أنماط - رسم وصف فقط جزء من البيانات [27]. بالطبع ، أجزاء كثيرة من البيانات ، وبالتالي الكثير أنماط - رسم ، غير صحيح مثير للإعجاب في الكل . هدف التعدين النمط هو اكتشاف تلك الموجودة فقط.

هنا ، هل يمكن لنظام التنقيب عن البيانات أن يولد كل الأنماط المثيرة للاهتمام؟

أ نظام التنقيب عن البيانات لديه القدرة على انشاء الآلاف أو حتى الملايين من أنماط - رسم ، أو القواعد. ثم "هي الكل التابع أنماط مثيرة للاهتمام ؟ " عادة ليس فقط جزء صغير من أنماط - رسم يحتمل ولدت سيكون في الواقع موضع اهتمام أي مستخدم معين.

وبالمثل ، هل عملية الكشف عن الأنماط في البيانات؟ نمط الاعتراف هو التعرف الآلي على أنماط - رسم والانتظام في البيانات . نمط يرتبط التعرف ارتباطًا وثيقًا بالذكاء الاصطناعي والتعلم الآلي ، جنبًا إلى جنب مع تطبيقات مثل البيانات التعدين واكتشاف المعرفة في قواعد البيانات (KDD) ، وغالبًا ما يتم استخدامها بالتبادل مع هذه المصطلحات.

فيما يتعلق بهذا ، ما هي أنماط التنقيب عن البيانات؟

الفعلية بيانات التعدين المهمة هي التحليل شبه التلقائي أو التلقائي لكميات كبيرة من البيانات لاستخراج ما لم يكن معروفًا من قبل ، ومثير للاهتمام أنماط - رسم مثل مجموعات البيانات السجلات (تحليل الكتلة) ، والسجلات غير العادية (الكشف عن العيوب) ، والتبعيات (قاعدة الارتباط التعدين ، متسلسل التعدين النمط ).

ما هو تكرار النمط في تحليلات البيانات؟

أ تحليل تردد النمط يقارن التعبير النمطي أنماط - رسم وجدت في قيم الحقل المحدد وينفذ تحليل التردد على أساس أنماط - رسم وجدت. يقوم بإنشاء تقرير لكل حقل يسرد كل منها نمط مع عدد مرات كل منهما نمط يحدث.