डेटा माइनिंग पैटर्न पहचान प्रौद्योगिकियों के साथ-साथ सांख्यिकीय और गणितीय तकनीकों का उपयोग करके रिपॉजिटरी में संग्रहीत बड़ी मात्रा में डेटा के माध्यम से छानबीन करके सार्थक नए सहसंबंधों, पैटर्न, और रुझानों की खोज करने की प्रक्रिया है। यह अवलोकन डेटासेट का विश्लेषण है ताकि अनपेक्षित संबंधों को ढूंढा जा सके और डेटा को नए तरीकों से सारांशित किया जा सके जो डेटा मालिक के लिए समझने योग्य और उपयोगी दोनों हों।
यह उच्च मात्रा की जानकारी के चयन, अन्वेषण, और मॉडलिंग की प्रक्रिया है ताकि नियमितताओं या संबंधों को ढूंढा जा सके जो पहले अज्ञात थे ताकि डेटाबेस के मालिक के लिए स्पष्ट और लाभकारी परिणाम प्राप्त हो सकें। डेटा माइनिंग स्वचालित या अर्ध-स्वचालित साधनों द्वारा बड़ी मात्रा में डेटा के अन्वेषण और विश्लेषण का चरण है ताकि सार्थक पैटर्न और विधियों को ढूंढा जा सके।
डेटा माइनिंग एक महत्वपूर्ण विधि है जहां पहले से अज्ञात और संभावित रूप से उपयोगी डेटा को बड़ी मात्रा में जानकारी से निकाला जाता है। डेटा माइनिंग प्रक्रिया में कई घटक होते हैं, और ये घटक एक डेटा माइनिंग सिस्टम संरचना का गठन करते हैं। डेटा माइनिंग के प्रमुख घटक निम्नलिखित हैं:
सूचना भंडार (Information Repository): यह एक या डेटाबेस, डेटा वेयरहाउस, स्प्रेडशीट, या कई प्रकार के डेटा रिपॉजिटरी का सेट है। डेटा पर डेटा सफाई और डेटा इंटीग्रेशन तकनीकों को लागू किया जा सकता है।
डेटाबेस या डेटा वेयरहाउस सर्वर: डेटाबेस या डेटा वेयरहाउस सर्वर उपयोगकर्ता के डेटा माइनिंग अनुरोध के आधार पर प्रासंगिक डेटा लाने के लिए जिम्मेदार है।
नॉलेज बेस (Knowledge Base): यह डोमेन ज्ञान है जो खोज का मार्गदर्शन कर सकता है या परिणामी पैटर्न की दिलचस्पी की गणना कर सकता है।
डेटा माइनिंग इंजन (Data Mining Engine): यह डेटा माइनिंग सिस्टम के लिए आवश्यक है और इसमें विशेषता, सहसंबंध विश्लेषण, वर्गीकरण, भविष्यवाणी, क्लस्टर विश्लेषण, आउटलेयर विश्लेषण, और विकास विश्लेषण जैसे कार्यों के लिए कार्यात्मक मॉड्यूल का एक सेट शामिल है।
पैटर्न मूल्यांकन मॉड्यूल (Pattern Evaluation Module): यह घटक आमतौर पर दिलचस्पी के उपायों को नियोजित करता है और खोज को दिलचस्प पैटर्न की ओर केंद्रित करने के लिए डेटा माइनिंग संरचना के साथ संचार करता है।
यह खंड आमतौर पर हिस्सेदारी उपायों को नियोजित करता है जो डेटा माइनिंग मॉड्यूल के साथ सहयोग करके आकर्षक डिजाइन की ओर खोज को लक्षित करते हैं। यह खोजे गए पैटर्न को फ़िल्टर करने के लिए एक हिस्सेदारी थ्रेशोल्ड का उपयोग कर सकता है।
दूसरे शब्दों में, पैटर्न मूल्यांकन मॉड्यूल का उपयोग की जाने वाली डेटा माइनिंग तकनीकों के कार्यान्वयन के आधार पर खनन मॉड्यूल के साथ समन्वयित किया जा सकता है। प्रभावी डेटा माइनिंग के लिए, पैटर्न हिस्सेदारी के मूल्यांकन को जितना संभव हो उतना खनन प्रक्रिया में धकेलने का सुझाव दिया जाता है ताकि खोज को केवल दिलचस्प पैटर्न तक सीमित रखा जा सके।
यूजर इंटरफेस (User Interface): यह मॉड्यूल उपयोगकर्ताओं और डेटा माइनिंग सिस्टम को जोड़ता है, जिससे उपयोगकर्ता डेटा माइनिंग क्वेरी या कार्य को परिभाषित करके, खोज पर ध्यान केंद्रित करने में मदद करने के लिए डेटा प्रदान करके, और मध्यवर्ती डेटा माइनिंग परिणामों के आधार पर खोजपूर्ण डेटा माइनिंग को लागू करके सिस्टम के साथ बातचीत कर सकता है।
इसके अलावा, यह घटक उपयोगकर्ता को डेटाबेस और डेटा वेयरहाउस डिजाइन या डेटा संरचनाओं को ब्राउज़ करने, खनन किए गए पैटर्न का मूल्यांकन करने, और पैटर्न को विभिन्न रूपों में देखने की अनुमति देता है।
