Eksploracja danych - data mining
Rodzaje metod odkrywania wiedzy
W bardzo wygodny sposób możemy podzielić metody odkrywania wiedzy na kategorie odpowiadające rodzajom wiedzy, jakie odkrywają.
-
Klasyfikacja. Odkrywa wiedzę, w jaki sposób przynależność do pewnych kategorii zależy od ilości i wartości atrybutów. Metoda ta wywodzi się od algorytmów uczenia się pojęć.
-
Aproksymacja. Odkrywa wiedzę, jak wartość funkcji rzeczywistoliczbowej zależy od atrybutów. Metoda ta wywodzi się z algorytmów uczenia się aproksymacji (np. sieci neuronowe) i statystycznych metod regresji.
-
Zależności przyczynowe. Odkrywa wiedzę o tym, jakie zależności przyczynowe występują między różnymi atrybutami. Metody odkrywania takiej wiedzy znajdują zastosowanie w algorytmach sieci bayesowskich.
-
Zależności funkcyjne. Odkrywa wiedzę, jakimi wzorcami najlepiej wyrażają się zależności między atrybutami o wartościach liczbowych. Odkryte zależności muszą być zapisane przy pomocy formuły algebraicznej. Wykorzystuje się tu metody odkrywania równań.
-
Podobieństwo. Odkrywa wiedzę o tym, jakie występują wśród analizowanych rekordów grupy rekordów podobnych i w jaki sposób to podobieństwo zależy od atrybutów, co umożliwia nam późniejsze wnioskowanie. Do odszukania takich zależności wykorzystuje się metody grupowania.
-
Asocjacje. Odkrywa wiedzę o tym, jakie wartości atrybutów często występują razem w analizowanym zbiorze rekordów. Do znajdowania takiej wiedzy służą algorytmy odkrywania reguł asocjacyjnych. Właśnie tą metodę odkrywania wiedzy zastosowałem w swojej aplikacji i bardziej przybliżę ją w dalszej części pracy.