एसोसिएशन नियम सीखना एक अनसुपरवाइज्ड लर्निंग तकनीक है जो एक डेटा तत्व की दूसरे डेटा तत्व पर निर्भरता का परीक्षण करती है और तदनुसार मैप करती है ताकि यह अधिक लागत-प्रभावी हो सके। यह डेटासेट के चर के बीच दिलचस्प संबंधों या संघों की खोज करने का प्रयास करता है। यह डेटाबेस में चर के बीच दिलचस्प संबंध खोजने

डेटा माइनिंग उपयोगी नए सहसंबंधों, पैटर्न और रुझानों की खोज की प्रक्रिया है, जिसमें पैटर्न पहचान तकनीकों का उपयोग करके रिपॉजिटरी में संग्रहीत बड़ी मात्रा में रिकॉर्ड्स का विश्लेषण किया जाता है। यह तथ्यात्मक डेटासेट का विश्लेषण करके अनपेक्षित संबंधों को उजागर करता है और डेटा मालिक के लिए तार्किक और सह

ETL का मतलब एक्सट्रैक्ट, ट्रांसफॉर्म, और लोड है। यह वह प्रक्रिया है जिसे डेटा-संचालित संगठन कई स्रोतों से डेटा इकट्ठा करने और फिर खोज, रिपोर्टिंग, विश्लेषण, और निर्णय लेने का समर्थन करने के लिए इसे एक साथ लाने के लिए उपयोग करते हैं।डेटा स्रोत प्रकार, प्रारूप, मात्रा, और विश्वसनीयता में भिन्न हो सकते

ELT का मतलब एक्सट्रैक्ट, लोड, और ट्रांसफॉर्म है। यह एक डेटा एकीकरण प्रक्रिया है जो कच्चे डेटा को स्रोत सर्वर से डेटा सिस्टम (जैसे डेटा वेयरहाउस या डेटा लेक) में टारगेट सर्वर पर स्थानांतरित करती है और फिर डाउनस्ट्रीम उपयोगों के लिए डेटा को फिट करती है।एक्सट्रैक्ट और लोड प्रक्रिया को ट्रांसफॉर्मेशन चर

ETLETL का मतलब एक्सट्रैक्ट, ट्रांसफॉर्म, और लोड है। यह वह प्रक्रिया है जिसे डेटा-संचालित संगठन कई स्रोतों से डेटा इकट्ठा करने और फिर खोज, रिपोर्टिंग, विश्लेषण, और निर्णय लेने का समर्थन करने के लिए इसे एक साथ लाने के लिए उपयोग करते हैं।यह सोचना लुभावना है कि डेटा वेयरहाउस बनाना केवल कई स्रोतों से डेट

बिजनेस इंटेलिजेंस प्रक्रियाओं, तंत्रों, और प्रौद्योगिकियों का एक संग्रह है जो कच्चे डेटा को महत्वपूर्ण जानकारी में बदलता है जो लागत-प्रभावी व्यावसायिक सेवाओं को चलाता है। यह डेटा को कार्रवाई योग्य इंटेलिजेंस और मान्यता में बदलने के लिए सॉफ्टवेयर और सेवाओं का एक संग्रह है। BI का संगठन के तरीकों, सामर

विवरणात्मक डेटा माइनिंगविवरणात्मक माइनिंग आमतौर पर सहसंबंध, क्रॉस-टैबुलेशन, आवृत्ति आदि प्रदान करने के लिए उपयोग किया जाता है। इन विधियों का उपयोग डेटा की नियमितताओं को तय करने और पैटर्न प्रकट करने के लिए किया जाता है। यह रिकॉर्ड्स के सारांश और रिपोर्टिंग और निगरानी के लिए महत्वपूर्ण डेटा में रूपांत

स्थानिक डेटा माइनिंग (Spatial Data Mining) स्थानिक डेटा माइनिंग स्थानिक मॉडल पर डेटा माइनिंग का अनुप्रयोग है। स्थानिक डेटा माइनिंग में, विश्लेषक भौगोलिक या स्थानिक रिकॉर्ड्स का उपयोग व्यावसायिक बुद्धिमत्ता या कई परिणाम बनाने के लिए करते हैं। इसके लिए भौगोलिक जानकारी को प्रासंगिक और उपयोगी प्रारूपों

अवधारणा विवरण (Concept Description) अवधारणा विवरण डेटा माइनिंग का एक निश्चित प्रकार है। यह डेटा के एक सेट को परिभाषित करता है जिसमें लगातार खरीदार, स्नातक उम्मीदवार, आदि शामिल हैं। यह डेटा के लक्षण वर्णन और तुलना का वर्णन करता है। इसे कक्षा विवरण के रूप में भी जाना जाता है जब वर्णन की जाने वाली अवधा

एसोसिएशन नियम का कार्य एसोसिएशन नियम सीखना अनसुपरवाइज्ड लर्निंग विधियों का एक प्रकार है जो एक डेटा तत्व की दूसरे डेटा तत्व पर निर्भरता का परीक्षण करता है और तदनुसार बनाता 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। यह डेटाबे

एग्लोमरेटिव क्लस्टरिंग एल्गोरिदम एग्लोमरेटिव क्लस्टरिंग एक बॉटम-अप क्लस्टरिंग विधि है जहां क्लस्टर्स के सबक्लस्टर्स होते हैं, जिनके बदले में सब-क्लस्टर्स होते हैं, आदि। यह प्रत्येक ऑब्जेक्ट को उसके अपने क्लस्टर में रखकर शुरू होता है और फिर इन परमाणु क्लस्टर्स को तब तक बड़े और बड़े क्लस्टर्स में मिला

डेटा सामान्यीकरण और विश्लेषणात्मक सामान्यीकरण डेटा सामान्यीकरण अपेक्षाकृत निम्न-स्तरीय मूल्यों (विशेषता आयु के लिए संख्यात्मक मूल्य सहित) को उच्च-स्तरीय अवधारणाओं (युवा, मध्यम आयु, और वरिष्ठ सहित) से बदलकर डेटा को सारांशित करता है। इसलिए, यह एक प्रक्रिया है जो एक डेटाबेस में कार्य-प्रासंगिक जानकारी

विभिन्न वर्गों के बीच भेदभाव कक्षा भेदभाव को क्लासिज्म के रूप में परिभाषित किया जाता है। यह सामाजिक वर्ग के आधार पर पूर्वाग्रह या भेदभाव है। इसमें व्यक्तिगत दृष्टिकोण, व्यवहार, नीतियों की प्रणालियां, और प्रथाएं शामिल हैं जो निचले वर्ग की कीमत पर ऊपरी वर्ग को लाभ पहुंचाने के लिए स्थापित की गई हैं। क

विश्लेषणात्मक लक्षण वर्णन और विशेषता प्रासंगिकता विश्लेषण यह डेटा को प्रीप्रोसेस करने के लिए एक सांख्यिकीय दृष्टिकोण है ताकि अप्रासंगिक विशेषताओं को फ़िल्टर किया जा सके या प्रासंगिक विशेषता को रैंक किया जा सके। विशेषता प्रासंगिकता विश्लेषण के माप का उपयोग उन अप्रासंगिक विशेषताओं को पहचानने के लिए कि

बड़े डेटाबेस में सांख्यिकीय माप रिलेशनल डेटाबेस सिस्टम पांच बिल्ट-इन एग्रीगेट फ़ंक्शन्स का समर्थन करते हैं जैसे count(), sum(), avg(), max() और min()। ये एग्रीगेट फ़ंक्शन्स बहुआयामी जानकारी के वर्णनात्मक खनन में बुनियादी माप के रूप में उपयोग किए जा सकते हैं। दो वर्णनात्मक सांख्यिकीय माप जैसे केंद्री

पार्टीशनल एल्गोरिदम के प्रकार पार्टीशनल एल्गोरिदम के दो प्रकार हैं: 1. K-Means क्लस्टरिंग K-Means क्लस्टरिंग सबसे आम पार्टीशनिंग एल्गोरिदम है। K-Means डेटासेट में प्रत्येक डेटा को नवनिर्मित क्लस्टर्स में से केवल एक को पुनः असाइन करता है। एक रिकॉर्ड या डेटा पॉइंट को दूरी या समानता के माप का उपयोग कर

अनसुपरवाइज्ड लर्निंग के उदाहरण अनसुपरवाइज्ड लर्निंग तब होती है जब एक अनलेबल्ड डेटा का सेट प्रदान किया जाता है, जिसका विश्लेषण करना और उसके अंदर पैटर्न ढूंढना आवश्यक होता है। उदाहरण आयाम कमी और क्लस्टरिंग हैं। प्रशिक्षण उस डेटा के समूह के साथ मशीन को प्रदान करके समर्थित होता है जिसे लेबल, वर्गीकृत, य

STING ग्रिड-आधारित क्लस्टरिंग ग्रिड-आधारित क्लस्टरिंग विधियां एक मल्टी-रिज़ॉल्यूशन ग्रिड डेटा संरचना का उपयोग करती हैं। यह ऑब्जेक्ट क्षेत्रों को सेल्स की एक सीमित संख्या में परिमाणित करता है जो एक ग्रिड संरचना बनाते हैं जिस पर क्लस्टरिंग के लिए सभी ऑपरेशन लागू किए जाते हैं। इस विधि का लाभ इसका त्वरि

विकासवादी प्रौद्योगिकियां (Evolutionary Technologies) एक विकासवादी एल्गोरिदम विकासवादी AI-आधारित कंप्यूटर सॉफ्टवेयर है जो उन प्रक्रियाओं को नियोजित करके मुद्दों को हल करता है जो जीवित चीजों के व्यवहारों की नकल करती हैं। इस प्रकार, इसे उन तंत्रों की आवश्यकता होती है जो आमतौर पर जैविक विकास से संबंधित

MBR के तत्व MBR के विभिन्न तत्व निम्नलिखित हैं: 1. प्रशिक्षण सेट का चयन (Choosing the Training Set) प्रशिक्षण सेट में 49,652 समाचार कहानियां शामिल थीं, जो इस लक्ष्य के लिए समाचार पुनर्प्राप्ति सेवा द्वारा समर्थित थीं। ये कहानियां लगभग तीन महीने की खबरों से और लगभग 100 विभिन्न स्रोतों से आई थीं। प्