डेटा माइनिंग रिपॉजिटरी में संग्रहीत बड़ी मात्रा में डेटा के माध्यम से उपयोगी नए सहसंबंधों, पैटर्न और रुझानों को खोजने की प्रक्रिया है, जिसमें सांख्यिकीय और गणितीय तकनीकों सहित पैटर्न पहचान तकनीकों का उपयोग किया जाता है। यह तथ्यात्मक डेटासेट का विश्लेषण करके अनपेक्षित संबंधों की खोज करना और डेटा मालिक के लिए तार्किक और सहायक दोनों तरीकों से रिकॉर्ड्स को नए तरीकों से सारांशित करना है।
मुख्य चुनौती
मुख्य चुनौती डेटा का विश्लेषण करके आवश्यक डेटा निकालना है जिसका उपयोग किसी समस्या को हल करने या कंपनी के विकास के लिए किया जा सके। डेटा माइन करने और इससे बेहतर निर्णय खोजने के लिए कई गतिशील उपकरण और तकनीकें उपलब्ध हैं।
डेटा माइनिंग की प्रमुख तकनीकें
वर्गीकरण (Classification)
वर्गीकरण एक डेटा माइनिंग तकनीक है जो अधिक कुशल भविष्यवाणियों और विश्लेषण में सहायता के लिए डेटा के एक सेट को श्रेणीबद्ध करती है। बहुत बड़े डेटासेट के विश्लेषण को प्रभावी बनाने के लिए कई विधियाँ अभिप्रेत हैं।
वर्गीकरण डेटा माइनिंग में सबसे महत्वपूर्ण कार्यों में से एक है। यह पूर्व-निर्धारित वर्ग लेबलों को उनकी विशेषताओं के आधार पर इंस्टेंसेस को असाइन करने की एक प्रक्रिया को संदर्भित करता है। वर्गीकरण और क्लस्टरिंग में समानता है, यह समान दिखता है, लेकिन यह अलग है। वर्गीकरण और क्लस्टरिंग के बीच मुख्य अंतर यह है कि वर्गीकरण में तत्वों को पूर्व-निर्धारित समूहों में उनकी सदस्यता के अनुसार लेबल करना शामिल है।
क्लस्टरिंग (Clustering)
भौतिक या अमूर्त वस्तुओं के एक सेट को समान वस्तुओं की कक्षाओं में समूहबद्ध करने की प्रक्रिया को क्लस्टरिंग कहा जाता है। एक क्लस्टर डेटा वस्तुओं का एक समूह है जो एक ही क्लस्टर के भीतर एक-दूसरे के समान होते हैं और अन्य क्लस्टर्स की वस्तुओं से भिन्न होते हैं। कई अनुप्रयोगों में डेटा वस्तुओं के एक क्लस्टर को सामूहिक रूप से एक समूह के रूप में माना जा सकता है। क्लस्टर विश्लेषण एक आवश्यक मानवीय गतिविधि है।
प्रतिगमन (Regression)
ये दृष्टिकोण एक या अधिक भविष्यवक्ता (स्वतंत्र) चर से प्रतिक्रिया (निर्भर) चर के मूल्य का पूर्वानुमान लगाने के लिए उपयोग किए जाते हैं जहां चर संख्यात्मक होते हैं। प्रतिगमन के कई रूप हैं, जिनमें रैखिक, बहु, भारित, बहुपद, गैर-पैरामीट्रिक, और मजबूत (मजबूत तकनीकें तब फायदेमंद होती हैं जब त्रुटियाँ सामान्यता की शर्तों को पूरा नहीं करतीं या जब डेटा में महत्वपूर्ण आउटलेयर शामिल होते हैं)।
बाहरी पहचान (Outlier Detection)
इस प्रकार की डेटा माइनिंग तकनीक डेटा सेट में उन डेटा आइटम्स के अवलोकन से संबंधित है जो अपेक्षित पैटर्न या अपेक्षित व्यवहार से मेल नहीं खाते। इस तकनीक का उपयोग घुसपैठ पहचान, धोखाधड़ी पहचान आदि जैसे विभिन्न डोमेन में किया जा सकता है। इसे आउटलेयर विश्लेषण या आउटलेयर माइनिंग के रूप में भी जाना जाता है।
अनुक्रमिक पैटर्न (Sequential Patterns)
अनुक्रमिक पैटर्न अनुक्रमिक डेटा की गणना करके अनुक्रमिक पैटर्न खोजने के लिए विशेष डेटा माइनिंग तकनीक है। इसमें अनुक्रमों के संग्रह में दिलचस्प उप-अनुक्रम खोजना शामिल है, जहां एक अनुक्रम की हिस्सेदारी को लंबाई, घटना आवृत्ति आदि जैसे कई तत्वों के संदर्भ में मापा जा सकता है।
