सांख्यिकीय डेटा माइनिंग की पद्धतियां
सांख्यिकीय डेटा माइनिंग तकनीकों में, यह बड़ी मात्रा में डेटा के प्रभावी संचालन के लिए बनाया गया है जो आमतौर पर बहुआयामी और संभवतः कई जटिल प्रकार के होते हैं।
डेटा विश्लेषण के लिए कई अच्छी तरह से स्थापित सांख्यिकीय विधियां हैं, विशेष रूप से संख्यात्मक डेटा के लिए। इन विधियों का उपयोग वैज्ञानिक रिकॉर्ड (जैसे, भौतिकी, इंजीनियरिंग, निर्माण, मनोविज्ञान, और चिकित्सा में प्रयोगों से रिकॉर्ड), और अर्थशास्त्र और सामाजिक विज्ञान से जानकारी के लिए बड़े पैमाने पर किया गया है।
सांख्यिकीय डेटा माइनिंग की विभिन्न पद्धतियां:
1. रिग्रेशन (Regression)
सामान्य तौर पर, इन तकनीकों का उपयोग नए प्रिडिक्टर (स्वतंत्र) चरों से प्रतिक्रिया (निर्भर) चर के मूल्य का पूर्वानुमान लगाने के लिए किया जाता है, जहां चर संख्यात्मक हैं। रिग्रेशन के कई रूप हैं, जिनमें रैखिक, बहु, भारित, बहुपद, गैर-पैरामीट्रिक, और मजबूत (मजबूत विधियां तब फायदेमंद होती हैं जब त्रुटियां सामान्यता शर्तों को पूरा नहीं करतीं या जब डेटा में महत्वपूर्ण आउटलायर शामिल होते हैं)।
2. सामान्यीकृत रैखिक मॉडल (Generalized linear models)
ये मॉडल और उनका सामान्यीकरण (सामान्यीकृत योजक मॉडल), एक श्रेणीबद्ध (नाममात्र) प्रतिक्रिया चर (इसके कई परिवर्तनों में से) को प्रिडिक्टर चरों के एक सेट के साथ इस तरह से जोड़ने में सक्षम बनाते हैं जो रैखिक रिग्रेशन का उपयोग करके एक गणितीय प्रतिक्रिया चर के मॉडलिंग के समान है। सामान्यीकृत रैखिक मॉडल में लॉजिस्टिक रिग्रेशन और पॉइसन रिग्रेशन शामिल हैं।
3. विचरण विश्लेषण (Analysis of variance)
ये विधि एक संख्यात्मक प्रतिक्रिया चर और नई श्रेणीबद्ध चरों (कारकों) द्वारा परिभाषित दो या अधिक आबादी के लिए प्रयोगात्मक जानकारी का विश्लेषण करती है। सामान्य तौर पर, एक ANOVA (एक-कारक विचरण विश्लेषण) समस्या में k आबादी या उपचार परिभाषाओं की तुलना शामिल होती है ताकि यह तय किया जा सके कि कम से कम दो माध्य अलग हैं।
4. मिश्रित-प्रभाव मॉडल (Mixed-effect models)
ये मॉडल समूहीकृत डेटा की खोज के लिए हैं - डेटा जिसे एक या अधिक ग्रुपिंग चरों के अनुसार वर्गीकृत किया जा सकता है। वे आम तौर पर एक प्रतिक्रिया चर और डेटा में कई सहप्रसरणों के बीच संबंधों को परिभाषित करते हैं जो एक या अधिक कारकों के अनुसार संयोजित होते हैं। अनुप्रयोग के कई क्षेत्र हैं जैसे बहु-स्तरीय डेटा, दोहराए गए माप डेटा, ब्लॉक डिजाइन, और अनुदैर्ध्य डेटा।
5. कारक विश्लेषण (Factor analysis)
यह विधि यह निर्धारित कर सकती है कि कौन से चर एक दिए गए कारक का उत्पादन करने के लिए संयुक्त हैं। उदाहरण के लिए, कई मनोरोग डेटा के लिए, रुचि के एक विशिष्ट कारक को सीधे गणना करना लागू नहीं है (जैसे, बुद्धि); हालांकि, रुचि के तत्व को प्रतिबिंबित करने वाली अन्य मात्राओं को मापना लागू है। इसलिए, कोई भी चर आश्रित के रूप में उपयुक्त नहीं है।
6. विवेचक विश्लेषण (Discriminant analysis)
यह तकनीक एक श्रेणीबद्ध प्रतिक्रिया चर का पूर्वानुमान लगा सकती है। सामान्यीकृत रैखिक मॉडल के विपरीत, यह मानता है कि स्वतंत्र चर एक बहुभिन्नरूपी सामान्य वितरण का पालन करते हैं। प्रक्रिया कई विवेचक कार्यों (स्वतंत्र चरों का रैखिक सेट) तय करने का प्रयास करती है जो प्रतिक्रिया चर द्वारा दर्शाए गए समूहों के बीच भेद करते हैं। विवेचक विश्लेषण आमतौर पर सामाजिक विज्ञानों में उपयोग किया जाता है।
7. उत्तरजीविता विश्लेषण (Survival analysis)
उत्तरजीविता विश्लेषण के लिए कई अच्छी तरह से स्थापित सांख्यिकीय विधियां मौजूद हैं। ये तकनीकें शुरू में एक चिकित्सा विश्लेषण से गुजर रहे रोगी की संभावना का पूर्वानुमान लगाने के लिए डिज़ाइन की गई थीं कि वह कम से कम समय t तक जीवित रह सकता है।
8. गुणवत्ता नियंत्रण (Quality control)
गुणवत्ता नियंत्रण के लिए चार्ट तैयार करने के लिए कई सांख्यिकी का उपयोग किया जाता है, जिसमें शेवार्ट चार्ट और CUSUM चार्ट शामिल हैं। इन सांख्यिकी में माध्य, मानक विचलन, रेंज, काउंट, मूविंग एवरेज, मूविंग मानक विचलन, और मूविंग रेंज शामिल हैं।
