विवरणात्मक डेटा माइनिंग
वर्णनात्मक खनन का उपयोग आम तौर पर सहसंबंध, क्रॉस-सारणी, आवृत्ति आदि प्रदान करने के लिए किया जाता है। इन विधियों का उपयोग डेटा की नियमितता तय करने और पैटर्न को प्रकट करने के लिए किया जाता है। यह रिपोर्टिंग और निगरानी के लिए महत्वपूर्ण डेटा में रिकॉर्ड के सारांश और रूपांतरण पर केंद्रित है।
वर्णनात्मक खनन डेटा का "वर्णन" करता है। एक बार डेटा कैप्चर हो जाने के बाद, यह इसे मानव व्याख्या योग्य रूप में संशोधित कर सकता है। वर्णनात्मक डेटा माइनिंग में, एक एसोसिएशन तकनीक जो छात्रों के प्रदर्शन को दर्शाने के लिए Apriori एल्गोरिदम का उपयोग करती है ताकि वस्तुओं के एक सेट के बीच सह-संबंध ढूंढे जा सकें।
Apriori एल्गोरिदम का उपयोग डेटाबेस में कई छात्रों के अकादमिक रिकॉर्ड सहित किया जाता है और परीक्षा स्कोर, टर्म वर्क ग्रेड, उपस्थिति और व्यावहारिक जैसे कई मानकों के आधार पर छात्रों को प्रोफाइल करने के लिए एसोसिएशन नियमों को निकालने का प्रयास करता है।
भविष्य कहनेवाला डेटा माइनिंग
'प्रेडिक्टिव' शब्द किसी चीज की भविष्यवाणी करने के लिए परिभाषित करता है, इसलिए प्रेडिक्टिव डेटा माइनिंग भविष्य की घटना या कई डेटा या रुझानों की भविष्यवाणी करने के लिए किया गया विश्लेषण है। भविष्य कहनेवाला डेटा माइनिंग व्यापार विश्लेषकों को निर्णय लेने और एनालिटिक्स टीम के प्रयासों में एक मूल्य डालने की अनुमति दे सकता है। प्रेडिक्टिव डेटा माइनिंग प्रेडिक्टिव एनालिटिक्स प्रदान करता है। भविष्य कहनेवाला विश्लेषण में, परिणामों की भविष्यवाणी करने के लिए डेटा का उपयोग होता है।
भविष्य कहनेवाला खनन का मुख्य लक्ष्य वर्तमान व्यवहार के बजाय भविष्य के परिणामों की भविष्यवाणी करना है। इसमें फोकस मूल्य की भविष्यवाणी के लिए उपयोग की जाने वाली पर्यवेक्षित शिक्षण सेवाएं शामिल हैं।
इस खनन तत्व के अंतर्गत आने वाले दृष्टिकोण वर्गीकरण, समय-अनुक्रम विश्लेषण और प्रतिगमन हैं। डेटा मॉडलिंग भविष्य कहनेवाला विश्लेषण का मूल है, जो अन्य चरों के लिए अज्ञात भविष्य के डेटा मानों का अनुमान लगाने के लिए कुछ चर का उपयोग करके काम करता है।
इसके अतिरिक्त, यह प्रत्येक विधि की ताकत और कमजोरियों के बारे में पूर्वज्ञान प्राप्त करने के लिए इन पर्यवेक्षित शिक्षण विधियों के बीच तुलना भी करता है। वांछित ज्ञान निकालने के लिए सबसे उपयुक्त तकनीकों की खोज के लिए यह पूरी प्रक्रिया लागू की गई है।
आइए हम वर्णनात्मक डेटा माइनिंग और प्रेडिक्टिव डेटा माइनिंग के बीच तुलना देखें।
| वर्णनात्मक डेटा माइनिंग | पूर्वानुमानित डेटा माइनिंग |
|---|---|
| विवरणात्मक खनन का उपयोग आम तौर पर सहसंबंध, क्रॉस-सारणी, आवृत्ति, आदि का समर्थन करने के लिए किया जाता है। | 'Predictive' शब्द कुछ भविष्यवाणी करने के लिए परिभाषित करता है, इसलिए प्रेडिक्टिव डेटा माइनिंग भविष्य की घटना या कई डेटा या रुझानों की भविष्यवाणी करने के लिए किया गया विश्लेषण है। |
| यह लक्ष्य डेटा सेट में डेटा की विशेषताओं को परिभाषित करता है। | यह वर्तमान और पिछले रिकॉर्ड पर इंडक्शन निष्पादित करता है ताकि भविष्यवाणियां प्रकट हो सकें। |
| इसके लिए डेटा एकत्रीकरण और डेटा माइनिंग की आवश्यकता होती है। | इसके लिए आंकड़ों और डेटा पूर्वानुमान प्रक्रियाओं की आवश्यकता होती है। |
| वर्णनात्मक विश्लेषण केवल स्थिति पर प्रतिक्रिया करता है। | भविष्यवाणिय विश्लेषण में स्थिति पर प्रतिक्रिया के साथ नियंत्रण भी शामिल है। |
| यह सटीक रिकॉर्ड का समर्थन कर सकता है। | यह परिणाम सटीकता प्रदान नहीं करता है। |