डेटा माइनिंग सांख्यिकीय और गणितीय तकनीकों सहित पैटर्न पहचान तकनीकों का उपयोग करके, रिपॉजिटरी में सहेजे गए डेटा की एक उच्च मात्रा के माध्यम से उपयोगी नए सहसंबंध, पैटर्न और प्रवृत्तियों को खोजने की प्रक्रिया है। यह अनपेक्षित संबंधों की खोज करने के लिए तथ्यात्मक डेटासेट का विश्लेषण है और डेटा स्वामी के

दूरी वह तरीका है जिससे एमबीआर समानता की गणना करता है। कुछ वास्तविक दूरी मीट्रिक के लिए, बिंदु A से बिंदु B तक की दूरी, d(A,B) द्वारा इंगित की गई है, जिसमें चार विशेषताएं हैं जो इस प्रकार हैं - अच्छी तरह से परिभाषित - दो बिंदुओं के बीच की दूरी लगातार परिभाषित होती है और एक गैर-ऋणात्मक वास्तविक संख

डेटा माइनिंग को डेटा में नॉलेज डिस्कवरी के रूप में भी परिभाषित किया गया है, यह अंतर्दृष्टि प्राप्त करने के लिए लाखों डेटा (विशेष रूप से संरचित डेटा) के बीच किसी भी विसंगतियों, सहसंबंधों, प्रवृत्तियों या पैटर्न को पहचानने की एक तकनीक है जो व्यावसायिक निर्णय लेने के लिए उपयोगी हो सकती है और पारंपरिक क

सहयोगात्मक फ़िल्टरिंग स्मृति-आधारित तर्क का एक अलग रूप है जो विशेष रूप से व्यक्तिगत अनुशंसाओं का समर्थन करने के आवेदन के लिए उपयुक्त है। एक सहयोगी फ़िल्टरिंग प्रणाली व्यक्ति की प्राथमिकताओं के इतिहास से शुरू होती है। डिस्टेंस फंक्शन से समानता तय करती है, पसंद करने वाले व्यक्तियों के ओवरलैप पर निर्भर

डेटा माइनिंग डेटाबेस के मालिक के लिए स्पष्ट और लाभकारी परिणाम प्राप्त करने के लिए पहले अज्ञात नियमितताओं या संबंधों को खोजने के लिए उच्च मात्रा में जानकारी के चयन, अन्वेषण और मॉडलिंग की प्रक्रिया है। डेटा माइनिंग एक अंतःविषय क्षेत्र है, जो डेटाबेस सिस्टम, सांख्यिकी, मशीन लर्निंग, विज़ुअलाइज़ेशन और

एसोसिएशन रूल लर्निंग एक प्रकार की अप्रशिक्षित शिक्षण विधि है जो एक डेटा तत्व की दूसरे डेटा तत्व पर निर्भरता के लिए परीक्षण करती है और उचित रूप से बनाती है ताकि यह अधिक प्रभावी हो सके। यह डेटासेट के चरों के बीच कुछ दिलचस्प संबंधों या संबंधों की खोज करने का प्रयास करता है। डेटाबेस में वेरिएबल के बीच द

KDD डेटाबेस में नॉलेज डिस्कवरी का प्रतिनिधित्व करता है। यह डेटा में ज्ञान की खोज की व्यापक प्रक्रिया को परिभाषित करता है और निश्चित डेटा माइनिंग तकनीकों के उच्च-स्तरीय अनुप्रयोगों पर जोर देता है। यह आर्टिफिशियल इंटेलिजेंस, मशीन लर्निंग, पैटर्न रिकग्निशन, डेटाबेस, स्टैटिस्टिक्स, प्रोफेशनल सिस्टम के ल

मार्केट बास्केट विश्लेषण एक व्यक्तिगत पद्धति का प्रतिनिधित्व नहीं करता है और यह पॉइंट-ऑफ-सेल लेनदेन डेटा को समझने से संबंधित व्यावसायिक मुद्दों के एक सेट का प्रतिनिधित्व करता है। मार्केट बास्केट डेटा लेन-देन डेटा है जो तीन मौलिक रूप से अलग-अलग संस्थाओं का प्रतिनिधित्व करता है जैसे कि उपयोगकर्ता, ऑर्

बिटकॉइन वॉलेट एक प्रकार का डिजिटल वॉलेट है जो बिटकॉइन भेज और प्राप्त कर सकता है। यह एक भौतिक बटुए के बराबर है। हालांकि, एक भौतिक मुद्रा को बचाने के बजाय, वॉलेट क्रिप्टोग्राफिक डेटा को बचाता है जो बिटकॉइन पते तक पहुंच सकता है और लेनदेन भेज सकता है। विभिन्न बिटकॉइन वॉलेट का उपयोग कई क्रिप्टोकरेंसी के

ऑरेंज एक C++ कोर ऑब्जेक्ट और रूटीन लाइब्रेरी है जिसमें मानक और गैर-मानक मशीन लर्निंग और डेटा माइनिंग एल्गोरिदम की एक विशाल विधि शामिल है। यह एक ओपन-सोर्स डेटा विज़ुअलाइज़ेशन, डेटा माइनिंग और मशीन लर्निंग टूल है। ऑरेंज में, यह वर्तमान एल्गोरिदम और परीक्षण डिजाइनों के तेजी से प्रोटोटाइप के लिए एक स्क

प्रतिगमन एक प्रकार की पर्यवेक्षित मशीन सीखने के दृष्टिकोण को परिभाषित करता है जिसका उपयोग किसी भी निरंतर-मूल्यवान विशेषता का पूर्वानुमान लगाने के लिए किया जा सकता है। प्रतिगमन लक्ष्य चर और भविष्यवक्ता चर संघों का पता लगाने के लिए कुछ व्यावसायिक संगठन प्रदान करता है। यह डेटा का पता लगाने के लिए एक आव

प्रतिगमन एक प्रकार की पर्यवेक्षित मशीन सीखने के दृष्टिकोण को परिभाषित करता है जिसका उपयोग किसी भी निरंतर-मूल्यवान विशेषता का पूर्वानुमान लगाने के लिए किया जा सकता है। प्रतिगमन लक्ष्य चर और भविष्यवक्ता चर संघों का पता लगाने के लिए कुछ व्यावसायिक संगठन प्रदान करता है। यह डेटा का पता लगाने के लिए एक आव

प्रतिगमन प्रतिगमन एक प्रकार की पर्यवेक्षित मशीन सीखने के दृष्टिकोण को परिभाषित करता है जिसका उपयोग किसी भी निरंतर-मूल्यवान विशेषता का पूर्वानुमान लगाने के लिए किया जा सकता है। प्रतिगमन लक्ष्य चर और भविष्यवक्ता चर संघों का पता लगाने के लिए कुछ व्यावसायिक संगठन प्रदान करता है। यह डेटा का पता लगाने के

कार्ट एक प्रसिद्ध डिसीजन ट्री एल्गोरिथम है जिसे पहली बार 1984 में लियो ब्रिमन, जेरोम फ्रीडमैन, रिचर्ड ओल्सेन और चार्ल्स स्टोन द्वारा निर्मित किया गया था। कार्ट वर्गीकरण और रिग्रेशन ट्री का प्रतिनिधित्व करता है। CART एल्गोरिथम बाइनरी ट्री को बेहतर बनाता है और विभाजित होना जारी रखता है, यह देखते हुए क

C5 डिसीजन-ट्री एल्गोरिथम का वर्तमान संस्करण है जिसे ऑस्ट्रेलियाई शोधकर्ता, जे. रॉस क्विनलान कई वर्षों से विकसित और परिष्कृत कर रहे हैं। एक पूर्व संस्करण, ID3, 1986 में स्थापित, मशीन सीखने के क्षेत्र में प्रभावशाली था और इसके उत्तराधिकारियों का उपयोग कई वाणिज्यिक डेटा खनन सेवाओं में किया जाता है। C5

फीड-फ़ॉरवर्ड न्यूरल नेटवर्क सिग्नल को इनपुट से आउटपुट तक केवल एक दृष्टिकोण की यात्रा करने की अनुमति देता है। कोई प्रतिक्रिया (लूप) नहीं है जैसे कि किसी परत का आउटपुट उसी परत को प्रभावित नहीं करता है। फीड-फ़ॉरवर्ड नेटवर्क सरल नेटवर्क होते हैं जो इनपुट को आउटपुट के साथ जोड़ते हैं। इसका उपयोग पैटर्न पह

एक तंत्रिका नेटवर्क एल्गोरिदम का एक क्रम है जो एक प्रक्रिया के माध्यम से डेटा के एक सेट में बुनियादी संबंधों की पहचान करने का प्रयास करता है जो मानव मस्तिष्क के काम करने के तरीके की नकल करता है। इस दृष्टिकोण में, तंत्रिका नेटवर्क कार्बनिक या कृत्रिम जैसे न्यूरॉन्स की प्रणालियों का प्रतिनिधित्व करते

पूर्व से उपयुक्त उदाहरणों की पहचान करने की क्षमता के आधार पर अनुभव से तर्क करने की मानवीय क्षमता। संक्रमण का निदान करने वाला डॉक्टर, कपटपूर्ण बीमा संपत्ति को फ़्लैग करने वाला दावा विश्लेषक, और मोरेल की ओर इशारा करते हुए एक मशरूम शिकारी एक ही प्रक्रिया का पालन कर रहे हैं। प्रत्येक पहले अनुभव से समान

कम आयामों में न्यूनतम, डेटा के एक सेट को व्यवस्थित करने के लिए एक ग्रिड एक प्रभावी तरीका है। अवधारणा प्रत्येक विशेषता के लागू मूल्यों को एक से अधिक सन्निहित अंतराल में विभाजित करना है, जिससे ग्रिड कोशिकाओं का एक सेट बनता है। प्रत्येक वस्तु एक ग्रिड सेल में घट जाती है जिसके समतुल्य विशेषता अंतराल में

भौतिक या अमूर्त वस्तुओं के समूह को समान वस्तुओं के वर्गों में संयोजित करने की प्रक्रिया को क्लस्टरिंग के रूप में जाना जाता है। क्लस्टर डेटा ऑब्जेक्ट्स का एक सेट है जो एक ही क्लस्टर के भीतर एक दूसरे के समान होते हैं और अन्य क्लस्टर में ऑब्जेक्ट्स से अलग होते हैं। डेटा ऑब्जेक्ट्स के समूह को सामूहिक रू