डेटा माइनिंग के घटक
डेटा माइनिंग उच्च मात्रा की जानकारी के चयन, अन्वेषण, और मॉडलिंग की प्रक्रिया है ताकि उन नियमितताओं या संबंधों को ढूंढा जा सके जो पहले डेटाबेस के मालिक के लिए अज्ञात थे, ताकि स्पष्ट और लाभकारी परिणाम प्राप्त हो सकें।
डेटा माइनिंग एक अंतःविषय क्षेत्र है, विषयों के एक समूह का संयोजन, जैसे डेटाबेस सिस्टम, सांख्यिकी, मशीन लर्निंग, विज़ुअलाइज़ेशन, और डेटा साइंस। उपयोग की जाने वाली डेटा माइनिंग विधियों के आधार पर, अन्य विषयों के दृष्टिकोणों का उपयोग किया जा सकता है, जिनमें न्यूरल नेटवर्क, फजी और रफ सेट थ्योरी, ज्ञान प्रतिनिधित्व, इंडक्टिव लॉजिक प्रोग्रामिंग, या हाई-परफॉरमेंस कंप्यूटिंग शामिल हैं।
खनन किए जाने वाले डेटा के प्रकारों या दिए गए डेटा माइनिंग एप्लिकेशन के आधार पर, डेटा माइनिंग सिस्टम स्थानिक डेटा विश्लेषण, डेटा पुनर्प्राप्ति, पैटर्न पहचान, छवि विश्लेषण, सिग्नल प्रोसेसिंग, कंप्यूटर ग्राफिक्स, नेटवर्क प्रौद्योगिकी, अर्थशास्त्र, व्यवसाय, बायोइनफॉरमैटिक्स, या मनोविज्ञान से विधियों को भी एकीकृत कर सकता है।
एक डेटा माइनिंग क्वेरी भाषा को इन प्रिमिटिव्स को शामिल करने के लिए डिज़ाइन किया जा सकता है, जिससे उपयोगकर्ता डेटा माइनिंग सिस्टम के साथ लचीले ढंग से जुड़ सकें। एक डेटा माइनिंग क्वेरी भाषा एक अधिकार का समर्थन करती है जिस पर उपयोगकर्ता-अनुकूल ग्राफिकल इंटरफेस बनाए जा सकते हैं। यह डेटा माइनिंग सिस्टम के अन्य डेटा सिस्टम के साथ संचार और पूर्ण डेटा प्रोसेसिंग वातावरण के साथ इसके एकीकरण को बढ़ावा देता है।
एक समावेशी डेटा माइनिंग भाषा डिजाइन करना चुनौतीपूर्ण है क्योंकि डेटा माइनिंग कार्यों के एक व्यापक स्पेक्ट्रम की रक्षा करता है, डेटा लक्षण वर्णन से विकास विश्लेषण तक। प्रत्येक कार्य की कई आवश्यकताएं हैं। एक प्रभावी डेटा माइनिंग क्वेरी भाषा के डिजाइन के लिए विभिन्न प्रकार के डेटा माइनिंग कार्यों की शक्ति, सीमा, और अंतर्निहित संरचना के व्यापक ज्ञान की आवश्यकता होती है।
डेटा माइनिंग कार्यक्षमताओं का उपयोग उन पैटर्न के प्रकार को परिभाषित करने के लिए किया जाता है जिन्हें डेटा माइनिंग कार्यों में खोजा जाना है। सामान्य तौर पर, डेटा माइनिंग कार्यों को वर्णनात्मक और भविष्यवाणी दो प्रकारों में वर्गीकृत किया जा सकता है। वर्णनात्मक खनन कार्य डेटाबेस में डेटा की सामान्य विशेषताओं को परिभाषित करते हैं और भविष्यवाणी खनन कार्य वर्तमान जानकारी पर निष्कर्ष निकालकर भविष्यवाणियां विकसित करते हैं।
डेटा माइनिंग के प्रमुख घटक
- डेटाबेस (Databases) - यह एक या डेटाबेस, डेटा वेयरहाउस, स्प्रेडशीट, और डेटा रिपॉजिटरी का एक और प्रकार का सेट है जहां डेटा सफाई और एकीकरण तकनीकों को लागू किया जा सकता है।
- डेटा वेयरहाउस सर्वर (Data warehouse server) - यह घटक उपयोगकर्ता के अनुरोध के आधार पर डेटा वेयरहाउस से प्रासंगिक रिकॉर्ड्स प्राप्त करता है।
- नॉलेज बेस (Knowledge base) - यह एक ज्ञान डोमेन है जिसे दिलचस्प पैटर्न खोजने के लिए नियोजित किया जाता है।
- डेटा माइनिंग इंजन (Data mining engine) - यह एक कार्यात्मक मॉड्यूल का उपयोग करता है जिसका उपयोग वर्गीकरण, एसोसिएशन, क्लस्टर विश्लेषण, आदि सहित कार्यों को करने के लिए किया जाता है।
- पैटर्न मूल्यांकन मॉड्यूल (Pattern evaluation module) - यह घटक दिलचस्पी माप का उपयोग करता है जो डेटा माइनिंग संरचना के साथ संचार करते हैं ताकि खोज को दिलचस्प पैटर्न की ओर लक्षित किया जा सके।
- यूजर इंटरफेस (User interface) - यह इंटरफेस उपयोगकर्ताओं को ग्राफिकल यूजर इंटरफेस के माध्यम से डेटा माइनिंग फ़ंक्शन या क्वेरी का वर्णन करके सिस्टम के साथ बातचीत करने में सक्षम बनाता है।
