डेटा माइनिंग उपयोगी नए सहसंबंधों, पैटर्न और रुझानों की खोज की प्रक्रिया है, जिसमें पैटर्न पहचान तकनीकों का उपयोग करके रिपॉजिटरी में संग्रहीत बड़ी मात्रा में रिकॉर्ड्स का विश्लेषण किया जाता है। यह तथ्यात्मक डेटासेट का विश्लेषण करके अनपेक्षित संबंधों को उजागर करता है और डेटा मालिक के लिए तार्किक और सहायक तरीकों से रिकॉर्ड्स को सारांशित करता है।
डेटा माइनिंग की चुनौतियाँ
मुख्य चुनौती डेटा का विश्लेषण करके आवश्यक जानकारी निकालना है जिसका उपयोग किसी समस्या को हल करने या कंपनी के विकास के लिए किया जा सके। डेटा माइनिंग के लिए कई गतिशील उपकरण और तकनीकें उपलब्ध हैं।
फ्रीक्वेंट आइटमसेट माइनिंग की कठिनाई के कारण
फ्रीक्वेंट आइटमसेट माइनिंग का कार्य जटिल है क्योंकि बहुआयामी स्थान में सूचना के विरलता के कारण निम्न या प्राथमिक अमूर्तता स्तरों पर डेटा आइटम्स के बीच मजबूत संबंध ढूंढना मुश्किल होता है।
मजबूत संबंध उच्च अवधारणा स्तरों पर पाए जाते हैं जो सामान्य ज्ञान का प्रतिनिधित्व कर सकते हैं, लेकिन जो एक उपयोगकर्ता के लिए सामान्य ज्ञान है वह दूसरे के लिए नया लग सकता है। इसलिए, डेटा माइनिंग को अमूर्तता के कई स्तरों पर एसोसिएशन नियमों को माइन करने और कई अमूर्तता स्थानों के बीच आसानी से नेविगेट करने की संभावनाएं प्रदान करनी चाहिए।
मुख्य कारण:
- कम्प्यूटेशनल जटिलता: एसोसिएशन नियम उत्पन्न करने के लिए आवश्यक गणनाएं आइटम्स की संख्या और विचाराधीन नियमों की जटिलता के साथ तेजी से बढ़ती हैं।
- आइटम समानता: आइटम्स को एक पहचान विशेषता (जैसे उत्पाद प्रकार) को छोड़कर समान माना जाता है, लेकिन सभी समस्याएं इस विवरण में फिट नहीं होतीं।
- सही आइटम सेट का चयन: विश्लेषण के लिए सही आइटम सेट निर्धारित करना सबसे कठिन कार्य है। आइटम्स को सामान्य बनाकर, यह सुनिश्चित किया जा सकता है कि विश्लेषण में उपयोग किए जाने वाले आइटम्स की आवृत्तियाँ लगभग समान हों।
- दुर्लभ आइटम्स: जब ऐसे आइटम्स होते हैं जो बहुत कम लेनदेन में होते हैं, तो एसोसिएशन नियम उत्पन्न करना मुश्किल होता है।
