वर्गीकरण एक डेटा माइनिंग दृष्टिकोण है जिसका उपयोग डेटा इंस्टेंस के लिए टीम सदस्यता की भविष्यवाणी करने के लिए किया जाता है। यह दो चरणों वाली प्रक्रिया है। पहले चरण में, डेटा वर्गों या दृष्टिकोणों के पूर्व निर्धारित सेट को परिभाषित करते हुए एक मॉडल बनाया जाता है। मॉडल को विशेषताओं द्वारा परिभाषित डेटा

वर्गीकरण वर्गीकरण एक डेटा माइनिंग विधि है जिसका उपयोग डेटा इंस्टेंस के लिए टीम सदस्यता की भविष्यवाणी करने के लिए किया जाता है। वर्गीकरण में, आय वर्ग सहित एक लक्षित श्रेणीगत चर होता है। उदाहरण के लिए, यह तीन वर्गों या श्रेणियों जैसे उच्च आय, मध्यम आय और निम्न आय में एक विभाजन हो सकता है। डेटा माइनि

निम्नलिखित पूर्व-प्रसंस्करण चरण हैं जिनका उपयोग वर्गीकरण या भविष्यवाणी चरण की सटीकता, प्रभावशीलता और मापनीयता को बढ़ावा देने के लिए डेटा के लिए किया जा सकता है जो इस प्रकार हैं - डेटा सफाई - यह चौरसाई विधियों और लापता मूल्यों के संचालन का उपयोग करके शोर को खत्म करने या कम करने के लिए डेटा के पूर्

दो प्रकार के सांख्यिकीय-आधारित एल्गोरिदम हैं जो इस प्रकार हैं - प्रतिगमन - रिग्रेशन मुद्दे इनपुट वैल्यू पर स्थित आउटपुट वैल्यू के मूल्यांकन से संबंधित हैं। जब वर्गीकरण के लिए उपयोग किया जाता है, तो इनपुट मान डेटाबेस से मान होते हैं और आउटपुट मान कक्षाओं को परिभाषित करते हैं। प्रतिगमन का उपयोग वर्

एक निर्णय वृक्ष एक प्रवाह-चार्ट-जैसी वृक्ष तंत्र है, जहां प्रत्येक आंतरिक नोड एक विशेषता पर एक परीक्षण इंगित करता है, प्रत्येक विभाग परीक्षण के परिणाम को परिभाषित करता है, और पत्ती नोड्स कक्षाओं या वर्ग वितरण का वर्णन करते हैं। पेड़ में सबसे ऊंचा नोड रूट नोड होता है। डिसीजन ट्री सीखने के लिए एल्गोरि

प्रूनिंग वह प्रक्रिया है जो निर्णय वृक्षों के आकार को कम करती है। यह पेड़ के आकार को परिभाषित करके या कम शक्ति का समर्थन करने वाले पेड़ के क्षेत्रों को समाप्त करके ओवरफिटिंग के जोखिम को कम कर सकता है। शोर या आउटलेयर के कारण प्रशिक्षण जानकारी में विसंगतियों का पालन करने वाली शाखाओं को ट्रिम करके प्रू

वर्गीकरण एक डेटा माइनिंग दृष्टिकोण है जिसका उपयोग डेटा इंस्टेंस के लिए टीम सदस्यता की भविष्यवाणी करने के लिए किया जाता है। यह दो चरणों वाली प्रक्रिया है। पहले चरण में, डेटा वर्गों या दृष्टिकोणों के पूर्व निर्धारित सेट को परिभाषित करते हुए एक मॉडल बनाया जाता है। मॉडल को विशेषताओं द्वारा परिभाषित डेटा

एक कृत्रिम तंत्रिका नेटवर्क जैविक तंत्रिका नेटवर्क की सेवाओं पर स्थित एक प्रणाली है। यह एक जैविक तंत्रिका तंत्र का अनुकरण है। कृत्रिम तंत्रिका नेटवर्क की विशेषता यह है कि कई आर्किटेक्चर हैं, जिसके परिणामस्वरूप एल्गोरिदम के कई तरीकों की आवश्यकता होती है, लेकिन एक जटिल प्रणाली होने के बावजूद, एक तंत्र

OLAP,ऑन-लाइन विश्लेषणात्मक प्रसंस्करण के लिए खड़ा है। OLAP सॉफ्टवेयर प्रौद्योगिकी का एक वर्गीकरण है जो विश्लेषकों, प्रबंधकों और अधिकारियों को सूचना के संभावित विचारों की एक विस्तृत विविधता में त्वरित, सुसंगत, इंटरैक्टिव पहुंच के माध्यम से जानकारी में लाभ अंतर्दृष्टि के लिए अधिकृत करता है जो कि वास्त

डेटा वेयरहाउस में बड़ी मात्रा में डेटा होता है। OLAP सर्वर मांग करते हैं कि निर्णय समर्थन प्रश्नों को सेकंड के क्रम में स्वीकार किया जाए। इस प्रकार, डेटा वेयरहाउस सिस्टम के लिए अत्यधिक प्रभावी क्यूब कंप्यूटेशन तकनीक, एक्सेस तकनीक और क्वेरी प्रोसेसिंग तकनीक प्रदान करना आवश्यक है। डेटा क्यूब्स की कुशल

डेटा वेयरहाउस और डेटा मार्ट का उपयोग अनुप्रयोगों के व्यापक क्षेत्र में किया जाता है। डेटा विश्लेषण को लागू करने और रणनीतिक निर्णय लेने के लिए व्यावसायिक अधिकारी डेटा वेयरहाउस और डेटा मार्ट में डेटा का उपयोग करते हैं। कुछ फर्मों में, डेटा वेयरहाउस का उपयोग उद्यम प्रशासन के लिए योजना-निष्पादन-मूल्यांक

OLAM का मतलब ऑनलाइन विश्लेषणात्मक खनन है। इसे OLAP माइनिंग के नाम से भी जाना जाता है। यह बहु-आयामी डेटाबेस में डेटा माइनिंग और माइनिंग ज्ञान के साथ ऑनलाइन विश्लेषणात्मक प्रसंस्करण को एकीकृत करता है। डेटा माइनिंग सिस्टम के कई प्रतिमान और संरचनाएं हैं। विभिन्न डेटा माइनिंग टूल्स को एकीकृत, सुसंगत और

रिलेशनल OLAP (ROLAP) सर्वर ये इंटरमीडिएट सर्वर हैं जो एक रिलेशनल बैक-एंड सर्वर और क्लाइंट फ्रंट-एंड टूल्स के बीच में खड़े होते हैं। वे वेयरहाउस डेटा को सहेजने और प्रबंधित करने के लिए एक रिलेशनल या विस्तारित-रिलेशनल डीबीएमएस की सुविधा प्रदान करते हैं, और ओलाप मिडलवेयर लापता आइटम प्रदान करने के लिए।

एक OLAM सर्वर डेटा क्यूब्स में विश्लेषणात्मक माइनिंग करता है, ठीक उसी तरह जैसे कोई OLAP सर्वर ऑनलाइन एनालिटिकल प्रोसेसिंग करता है। एक एकीकृत OLAM और OLAP तंत्र, जहां OLAM और OLAP सर्वर दोनों एक ग्राफिकल यूजर इंटरफेस एपीआई के माध्यम से उपयोगकर्ता के ऑनलाइन प्रश्नों (या कमांड) को स्वीकार करते हैं और ए

डेटा माइनिंग, पैटर्न पहचान तकनीकों के साथ-साथ सांख्यिकीय और गणितीय तकनीकों का उपयोग करके, रिपॉजिटरी में संग्रहीत बड़ी मात्रा में डेटा के माध्यम से सार्थक नए सहसंबंधों, पैटर्न और रुझानों की खोज करने की प्रक्रिया है। यह अनपेक्षित संबंधों को खोजने के लिए अवलोकन संबंधी डेटासेट का विश्लेषण है और डेटा को

डेटा माइनिंग के लाभ डेटा माइनिंग के लाभ इस प्रकार हैं - विपणन/खुदरा बिक्री डेटा माइनिंग प्रत्यक्ष विपणक को उनके उपयोगकर्ताओं के खरीदारी व्यवहार के बारे में उपयोगी और सटीक रुझानों के साथ समर्थन करके मदद कर सकता है। यह इन प्रवृत्तियों पर आधारित है, विपणक अपने विपणन ध्यान को अपने ग्राहकों को अधिक स

समानता के उपाय वह ढांचा प्रदान करते हैं जिस पर कुछ डेटा माइनिंग निर्णय आधारित होते हैं। वर्गीकरण और क्लस्टरिंग सहित कार्य आम तौर पर कुछ समानता माप के अस्तित्व पर विचार करते हैं, जबकि समानता का मूल्यांकन करने के लिए खराब तकनीकों वाले क्षेत्र अक्सर पाते हैं कि जानकारी खोजना एक बोझिल कार्य है। समानता

एक तंत्रिका नेटवर्क एल्गोरिदम की एक श्रृंखला है जो एक प्रक्रिया के माध्यम से रिकॉर्ड के एक सेट में बुनियादी संबंधों को पहचानने का प्रयास करता है जो मानव मस्तिष्क के संचालन के तरीके की नकल करता है। इस पद्धति में, तंत्रिका नेटवर्क कार्बनिक या कृत्रिम, न्यूरॉन्स के सिस्टम को परिभाषित करते हैं। तंत्रिक

श्रेणीबद्ध डेटा असतत डेटा हैं। श्रेणीबद्ध विशेषताओं में विशिष्ट मूल्यों की एक निश्चित संख्या होती है, जिसमें भौगोलिक क्षेत्र, नौकरी श्रेणी और आइटम प्रकार से जुड़े मूल्यों के बीच कोई अनुक्रमण नहीं होता है। श्रेणीबद्ध डेटा के लिए अवधारणा पदानुक्रमों को उत्पन्न करने के लिए विभिन्न विधियां इस प्रकार हैं

डेटा एकीकरण कई अलग-अलग स्रोतों से डेटा को मर्ज करने की प्रक्रिया है। डेटा एकीकरण करते समय, इसे डेटा अतिरेक, असंगति, दोहराव आदि पर काम करना चाहिए। डेटा माइनिंग में, डेटा एकीकरण एक रिकॉर्ड प्रीप्रोसेसिंग विधि है जिसमें एक एकीकृत डेटा को बनाए रखने और प्रदान करने के लिए कुछ विषम डेटा स्रोतों के डेटा को