वर्गीकरण डेटा इंस्टेंस के लिए टीम सदस्यता का पूर्वानुमान लगाने के लिए उपयोग किया जाने वाला एक डेटा माइनिंग दृष्टिकोण है। यह एक दो-चरण प्रक्रिया है। पहले चरण में, डेटा वर्गों या दृष्टिकोणों के पूर्वनिर्धारित सेट को परिभाषित करने वाला एक मॉडल बनाया जाता है। मॉडल को विशेषताओं द्वारा परिभाषित डेटाबेस टु

वर्गीकरण (Classification) वर्गीकरण डेटा इंस्टेंस के लिए टीम सदस्यता की भविष्यवाणी करने के लिए उपयोग की जाने वाली एक डेटा माइनिंग विधि है। वर्गीकरण में, एक लक्ष्य श्रेणीबद्ध चर होता है, जिसमें आय ब्रैकेट शामिल है। उदाहरण के लिए, यह उच्च आय, मध्यम आय, और निम्न आय जैसे तीन वर्गों या श्रेणियों में विभाज

निम्नलिखित प्री-प्रोसेसिंग चरण हैं जिन्हें डेटा पर लागू किया जा सकता है ताकि वर्गीकरण या भविष्यवाणी चरण की सटीकता, प्रभावशीलता, और स्केलेबिलिटी को बढ़ावा दिया जा सके: डेटा सफाई (Data Cleaning): यह शोर को कम या खत्म करने के लिए स्मूथिंग विधियों का उपयोग करके और लापता मानों के संचालन (उदाहरण के लिए,

सांख्यिकी-आधारित एल्गोरिदम के दो प्रकार हैं: रिग्रेशन (Regression): रिग्रेशन मुद्दे इनपुट मानों के आधार पर आउटपुट मूल्य के मूल्यांकन से निपटते हैं। जब वर्गीकरण के लिए उपयोग किया जाता है, तो इनपुट मान डेटाबेस से मान होते हैं और आउटपुट मान वर्गों को परिभाषित करते हैं। रिग्रेशन का उपयोग वर्गीकरण मुद्

एक निर्णय वृक्ष एक फ्लो-चार्ट जैसी वृक्ष संरचना है, जहां प्रत्येक आंतरिक नोड एक विशेषता पर परीक्षण को इंगित करता है, प्रत्येक शाखा परीक्षण के परिणाम को परिभाषित करती है, और पत्ती नोड्स वर्गों या वर्ग वितरण का वर्णन करते हैं। एक वृक्ष में सबसे ऊंचा नोड रूट नोड है। निर्णय वृक्ष सीखने के लिए एल्गोरिदम

प्रूनिंग वह प्रक्रिया है जो निर्णय वृक्षों के आकार को कम करती है। यह वृक्ष के आकार को परिभाषित करके या वृक्ष के उन क्षेत्रों को हटाकर ओवरफिटिंग के जोखिम को कम कर सकती है जो थोड़ी शक्ति प्रदान करते हैं। प्रूनिंग उन शाखाओं को काटकर मदद करती है जो शोर या आउटलेयर्स के कारण प्रशिक्षण जानकारी में विसंगतिय

वर्गीकरण एक डेटा माइनिंग दृष्टिकोण है जिसका उपयोग डेटा इंस्टेंस के लिए टीम सदस्यता का पूर्वानुमान लगाने के लिए किया जाता है। यह एक दो-चरण प्रक्रिया है। पहले चरण में, डेटा वर्गों या दृष्टिकोणों के पूर्वनिर्धारित सेट को परिभाषित करने वाला एक मॉडल बनाया जाता है। मॉडल को विशेषताओं द्वारा परिभाषित डेटाबे

एक कृत्रिम न्यूरल नेटवर्क जैविक न्यूरल नेटवर्क के कार्यों पर आधारित एक प्रणाली है। यह एक जैविक न्यूरल सिस्टम का अनुकरण है। कृत्रिम न्यूरल नेटवर्क की विशेषता यह है कि कई आर्किटेक्चर हैं, जिनके परिणामस्वरूप एल्गोरिदम के कई तरीकों की आवश्यकता होती है, लेकिन जटिल प्रणाली होने के बावजूद, एक न्यूरल नेटवर्

OLAP का अर्थ ऑन-लाइन एनालिटिकल प्रोसेसिंग है। OLAP सॉफ्टवेयर प्रौद्योगिकी का एक वर्गीकरण है जो विश्लेषकों, प्रबंधकों, और अधिकारियों को कच्चे डेटा से परिवर्तित जानकारी के माध्यम से त्वरित, सुसंगत, इंटरैक्टिव पहुंच में संभावित विचारों की एक विस्तृत विविधता के माध्यम से अंतर्दृष्टि प्राप्त करने के लिए

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

डेटा वेयरहाउस और डेटा मार्ट अनुप्रयोगों के एक व्यापक क्षेत्र में उपयोग किए जाते हैं। व्यावसायिक अधिकारी डेटा वेयरहाउस और डेटा मार्ट में डेटा का उपयोग डेटा विश्लेषण करने और रणनीतिक निर्णय लेने के लिए करते हैं। कुछ फर्मों में, डेटा वेयरहाउस का उपयोग उद्यम प्रशासन के लिए प्लान-एक्सीक्यूट-असेस क्लोज्ड-ल

OLAM का अर्थ ऑनलाइन एनालिटिकल माइनिंग है। इसे OLAP माइनिंग के रूप में भी जाना जाता है। यह ऑनलाइन एनालिटिकल प्रोसेसिंग को डेटा माइनिंग और बहुआयामी डेटाबेस में ज्ञान खनन के साथ एकीकृत करता है। डेटा माइनिंग सिस्टम के कई प्रतिमान और संरचनाएं हैं। विभिन्न डेटा माइनिंग टूल्स को एकीकृत, सुसंगत, और साफ डेट

रिलेशनल OLAP (ROLAP) सर्वर ये मध्यवर्ती सर्वर हैं जो एक रिलेशनल बैक-एंड सर्वर और क्लाइंट फ्रंट-एंड टूल्स के बीच खड़े होते हैं। वे डेटा वेयरहाउस डेटा को स्टोर और प्रबंधित करने के लिए एक रिलेशनल या विस्तारित-रिलेशनल DBMS की सुविधा देते हैं, और लापता टुकड़े प्रदान करने के लिए OLAP मिडलवेयर। ROLAP सर्व

एक OLAM सर्वर डेटा क्यूब में विश्लेषणात्मक खनन करता है, इसी तरह जैसे OLAP सर्वर ऑनलाइन एनालिटिकल प्रोसेसिंग करता है। एक एकीकृत OLAM और OLAP तंत्र, जहां OLAM और OLAP सर्वर दोनों एक ग्राफिकल यूजर इंटरफेस API के माध्यम से उपयोगकर्ता ऑनलाइन क्वेरी (या कमांड) स्वीकार करते हैं और क्यूब API के माध्यम से वि

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

डेटा माइनिंग के फायदे मार्केटिंग/रिटेलिंग डेटा माइनिंग उपयोगकर्ताओं के खरीद व्यवहार के बारे में उपयोगी और सटीक रुझान प्रदान करके डायरेक्ट मार्केटर्स की मदद कर सकती है। इन रुझानों के आधार पर, मार्केटर्स अपने ग्राहकों पर अधिक सटीकता के साथ अपने मार्केटिंग प्रयासों को निर्देशित कर सकते हैं। उदाहरण के

समानता माप उस ढांचे को प्रदान करते हैं जिस पर कुछ डेटा माइनिंग निर्णय आधारित होते हैं। वर्गीकरण और क्लस्टरिंग जैसे कार्य आमतौर पर किसी 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 म

एक न्यूरल नेटवर्क एल्गोरिदम की एक श्रृंखला है जो मानव मस्तिष्क के काम करने के तरीके की नकल करने वाली प्रक्रिया के माध्यम से डेटा के एक सेट में मूलभूत संबंधों को पहचानने का प्रयास करता है। इस अर्थ में, न्यूरल नेटवर्क न्यूरॉन्स की प्रणालियों को संदर्भित करते हैं, चाहे जैविक या कृत्रिम। न्यूरल नेटवर्क

श्रेणीबद्ध डेटा असतत डेटा हैं। श्रेणीबद्ध विशेषताओं में मानों की एक निश्चित संख्या होती है, जिसमें मानों के बीच कोई क्रम नहीं होता है, जिसमें भौगोलिक क्षेत्र, नौकरी श्रेणी, और आइटम प्रकार शामिल हैं। श्रेणीबद्ध डेटा के लिए कॉन्सेप्ट हायरार्की की पीढ़ी के लिए विभिन्न विधियां निम्नलिखित हैं: उपयोगकर्

डेटा इंटीग्रेशन कई असमान स्रोतों से डेटा को मर्ज करने की प्रक्रिया है। डेटा इंटीग्रेशन करते समय, डेटा अतिरेक, असंगति, डुप्लीकेशन आदि पर काम करना चाहिए। डेटा माइनिंग में, डेटा इंटीग्रेशन एक रिकॉर्ड प्रीप्रोसेसिंग विधि है जिसमें कुछ विषम डेटा स्रोतों से डेटा को सुसंगत डेटा में मर्ज करना शामिल है ताकि