Artykuły na temat Eksploracji danych, czyli Data Miningu
Już od zarania dziejów informacja miała dla człowieka kluczowe znaczenie w walce o przetrwanie. To informacja o zbliżających się stadach dzikich zwierząt pozwalała na przygotowanie pułapek i upolowanie pożywienia. To informacja jest podstawowym czynnikiem potrzebnym do kształtowania czegoś o bardziej wysublimowanym charakterze – wiedzy.
W dzisiejszym świecie znaczenie informacji nie tylko się nie zatarło, ale się jeszcze bardziej pogłębiło. Błyskawicznie rozwijające się gałęzie nauki, jak telekomunikacja czy informatyka nie tylko ułatwiają szybki dostęp do poszukiwanej informacji, ale również pomagają na szybsze i trafniejsze podejmowanie strategicznych decyzji decyzji. Ogromne ilości informacji wcale jednak bezpośrednio nie ułatwiają podjęcia trafnej decyzji, ponieważ człowiek nie jest w stanie ich wszystkich ogarnąć i wyciągnąć sensownych konkluzji. Z pomocą przychodzi nowa dziedzina nauki: eksploracja danych.
Systemy odkrywające wiedzę w danych powstawały i wciąż powstają na całym świecie. Jako, że problem jest palący, potrzebne są wciąż szybsze i dokładniejsze algorytmy, które poradzą sobie z odnalezieniem nowego rodzaju wiedzy w coraz większych zbiorach danych. Rozwiązania, które opisałem w niniejszej pracy pojawiały się i będą pojawiały się w wielu systemach, zarówno komercyjnych, jak i amatorskich.
Łukasz Gołaszewski, ADAPTACYJNY SKLEP INTERNETOWY
Koszt obliczeniowy algorytmu wyszukiwania reguł nie zależy tylko od ilości analizowanych rekordów danych, ale również w dużym stopniu zależy od ilości atrybutów, jakimi te rekordy są opisane. W niektórych przypadkach, kiedy nie potrzebujemy bardzo dokładnych reguł, zasadnym wydaje się zmniejszenie ilości atrybutów opisujących analizowane rekordy danych. Taka operacja spowoduje znaczne przyspieszenie wykonywania się algorytmu wyszukującego reguły. Niestety, takie uproszczenie daje w efekcie prostsze, ale również mniej dokładne reguły. Oczywiście chodzi tu o usuwanie atrybutów nieistotnych lub mało istotnych, czyli takich, które w najmniejszym stopniu opisują dany przykład – jeden z rodzajów konstruktywnej indukcji.
Zobacz też inne materiały
Eksploracja danych - data mining
Systemy uczące się
Reprezentowanie wiedzy
Problemy związane z analizą rzeczywistych danych - duże zbiory danych
Problemy związane z analizą rzeczywistych danych - niekompletne dane
Problemy związane z analizą rzeczywistych danych - niepoprawne dane
Reguły asocjacyjne - istota asocjacji
Reguły asocjacyjne - reprezentowanie danych i hipotez
Generowanie reguł asocjacyjnych
Powiązane kategorie
Eksploracja danych - data mining
Komentarze
-
Brak komentarzy
Dodaj komentarz
Nie masz jeszcze swojego konta na Wykłady.org? Zarejestruj się!.
Wykłady.org to serwis kierowany do studentów i uczniów szkół średnich. Na stronach serwisu znajdziesz wiele materiałów z wykładów oraz opracowania lektur i przykładowe prace maturalne. Dowiedz się więcej.
Zapraszamy wszystkie osoby chętne do współpracy przy tworzeniu tego serwisu. Jeżeli posiadasz jakieś ciekawe materiały lub opracowania swojego autorstwa i nie łamiące praw autorskich i chcesz podzielić się nimi z innymi uczniami lub studentami, napisz do nas - opublikujemy Twoje prace w tym serwisie!
Subskrypcja
Chcesz być zawsze na bieżąco i od razu dowiadywać się o nowych materiałach w naszym serwisie? Skorzystaj z subskrypcji naszego kanału 
RSS lub E-mail.
Rejestracja
Chcesz mieć możliwość wpływania na kształt portalu Wykłady.org? Zarejestruj się i pisz, komentuj, oceniaj, bierz udział w konkursach i wygrywaj nagrody!