डेटा माइनिंग, सूचना प्रसंस्करण और OLAP का संबंध डेटा वेयरहाउस अनुप्रयोगों के तीन प्रकार हैं: सूचना प्रसंस्करण, विश्लेषणात्मक प्रसंस्करण, और डेटा माइनिंग। 1. सूचना प्रसंस्करण (Information Processing) यह क्रॉसटैब, टेबल, चार्ट, या ग्राफ का उपयोग करके क्वेरीइंग, बुनियादी संख्यात्मक विश्लेषण, और दस्ताव

डेटा क्यूब गणना के लिए अनुकूलन तकनीकें डेटा क्यूब की कुशल गणना के लिए सामान्य अनुकूलन तकनीकें निम्नलिखित हैं: 1. सॉर्टिंग, हैशिंग, और ग्रुपिंग सॉर्टिंग, हैशिंग, और ग्रुपिंग ऑपरेशन को डायमेंशन विशेषताओं पर लागू किया जाना चाहिए ताकि संबंधित टुपल्स को पुन: व्यवस्थित और क्लस्टर किया जा सके। क्यूब गणना

पैटर्न माइनिंग के अनुप्रयोग पैटर्न माइनिंग के विभिन्न अनुप्रयोग निम्नलिखित हैं: 1. शोर फ़िल्टरिंग और डेटा सफाई पैटर्न माइनिंग का उपयोग आमतौर पर कई डेटा-गहन अनुप्रयोगों में प्रीप्रोसेसिंग के रूप में शोर फ़िल्टरिंग और डेटा सफाई के लिए किया जाता है। इसका उपयोग माइक्रोएरे डेटा का पता लगाने के लिए किया

इंटरैक्टिव डिसीजन ट्री निर्माण के लिए डेटा विज़ुअलाइज़ेशन धारणा-आधारित क्लासिफिकेशन (PBC) एक इंटरैक्टिव विधि है जो बहुआयामी विज़ुअलाइज़ेशन विधियों पर आधारित है और उपयोगकर्ता को डेटा के बारे में पृष्ठभूमि ज्ञान को डिसीजन ट्री बनाते समय शामिल करने में सक्षम बनाती है। लाभ डेटा के साथ ऑप्टिकली इंटरैक्

बेजियन बिलीफ नेटवर्क (Bayesian Belief Networks) नाइव बेजियन क्लासिफायर क्लास सशर्त स्वतंत्रता की धारणा बनाता है, यानी, एक टुपल के क्लास लेबल दिए जाने पर, विशेषताओं के मूल्यों को एक-दूसरे से सशर्त रूप से स्वतंत्र माना जाता है। यह गणना को सरल बनाता है। जब धारणा सही होती है, तो नाइव बेजियन क्लासिफायर

सक्रिय अधिगम (Active Learning) सक्रिय अधिगम पर्यवेक्षित अधिगम का एक पुनरावृत्त प्रकार है जो उन स्थितियों के लिए प्रासंगिक है जहां डेटा पर्याप्त है, लेकिन क्लास लेबल दुर्लभ या प्राप्त करने में महंगे हैं। अधिगम एल्गोरिदम इसमें सक्रिय है कि यह लेबल के लिए एक उपयोगकर्ता (जैसे, एक व्यक्ति ओरेकल) को सावध

उच्च-आयामी डेटा से सबस्पेस क्लस्टर खोज कई विधियों को तीन प्रमुख समूहों में वर्गीकृत किया गया है: सबस्पेस खोज तकनीक, सहसंबंध-आधारित क्लस्टरिंग तकनीक, और बाइक्लस्टरिंग तकनीक। 1. सबस्पेस खोज तकनीक (Subspace Search Technique) एक सबस्पेस खोज विधि क्लस्टर्स के लिए कई सबस्पेस की खोज करती है। इसलिए, एक क्

द्विभाजित ग्राफ (Bipartite Graphs) के अनुप्रयोग एक द्विभाजित ग्राफ में, शीर्षों को दो असंयुक्त समूहों में विभाजित किया जा सकता है ताकि प्रत्येक किनारा एक समूह के शीर्ष को दूसरे समूह के शीर्ष से जोड़े। AllElectronics उपयोगकर्ता खरीद डेटा के लिए, शीर्षों का एक समूह उपयोगकर्ताओं को परिभाषित करता है, प

हब पेज और आधिकारिक पेज की खोज एक हब वेब पेजों का एक समूह है जो अधिकारियों के लिंक के सेट का समर्थन करता है। हब पेज प्रमुख नहीं हो सकते हैं, या उनसे कुछ लिंक मौजूद हो सकते हैं; हालांकि, वे किसी सामान्य विषय पर प्रमुख साइटों के सेट के लिंक का समर्थन करते हैं। हब पेज के उदाहरण ऐसे पेज व्यक्तिगत होम प

वेब उपयोग माइनिंग (Web Usage Mining) वेब उपयोग माइनिंग का उपयोग वेब लॉग डेटा से उपयोगी डेटा, जानकारी और ज्ञान प्राप्त करने के लिए किया जाता है, और यह वेब पेजों के लिए उपयोगकर्ता एक्सेस पैटर्न की पहचान करने में मदद करता है। वेब संसाधनों का प्रबंधन माइनिंग में, वेब संसाधनों के प्रबंधन में, व्यक्ति व

डेटा माइनिंग के सैद्धांतिक आधार डेटा माइनिंग के आधार के लिए कई सिद्धांत प्रस्तावित किए गए हैं, जिनमें निम्नलिखित शामिल हैं: 1. डेटा रिडक्शन (Data Reduction) इस सिद्धांत के अनुसार, डेटा माइनिंग का आधार डेटा प्रतिनिधित्व को कम करना है। डेटा रिडक्शन, विशाल डेटाबेस पर प्रश्नों के तेज़ अनुमानित उत्तर प

विज़ुअल डेटा माइनिंग डेटा और नॉलेज विज़ुअलाइज़ेशन विधियों का उपयोग करके विशाल डेटा सेट्स से निहित और लाभकारी ज्ञान ढूंढता है। मानव दृश्य प्रणाली आंखों और मस्तिष्क द्वारा प्रबंधित होती है, जिसे एक गतिशील, बड़े पैमाने पर समानांतर प्रसंस्करण और तर्क इंजन के रूप में सोचा जा सकता है जिसमें एक विशाल ज्ञान

एक समाधान ऐसी कंपनियों के लिए उपभोक्ताओं को कई ऑप्ट-आउट विकल्प प्रदान करना है, जिससे उपभोक्ताओं को उनकी व्यक्तिगत जानकारी के उपयोग पर सीमाएं बताने में सक्षम बनाया जा सके, जैसेउपभोक्ता के व्यक्तिगत डेटा का उपयोग डेटा माइनिंग के लिए बिल्कुल नहीं किया जाना है।उपभोक्ता के डेटा का उपयोग डेटा माइनिंग के ल

वर्गीकरण एक मॉडल खोजने की प्रक्रिया है जो डेटा कक्षाओं या अवधारणाओं को परिभाषित और वर्गीकृत करता है। मॉडल प्रशिक्षण डेटा के एक सेट की खोज पर आधारित होते हैं (यानी, डेटा ऑब्जेक्ट्स जिनके लिए क्लास लेबल प्रसिद्ध हैं)। मॉडल उन ऑब्जेक्ट्स के क्लास लेबल की भविष्यवाणी कर सकता है जिनके लिए क्लास लेबल अज्ञा

एक वेब खोज इंजन एक विशेष कंप्यूटर सर्वर है जो वेब पर डेटा खोजता है। उपयोगकर्ता क्वेरी के खोज परिणाम एक सूची के रूप में बहाल किए जाते हैं (जिसे हिट्स के रूप में जाना जाता है)। हिट्स में वेब पेज, छवियां, और विभिन्न प्रकार की फाइलें शामिल हो सकती हैं। विभिन्न खोज इंजन सार्वजनिक डेटाबेस या खुली निर्देशि

खनन पद्धति के विभिन्न पहलू हैं जो इस प्रकार हैं - विभिन्न और नए प्रकार के ज्ञान का खनन - डेटा माइनिंग डेटा विश्लेषण और ज्ञान खोज सेवाओं के एक व्यापक स्पेक्ट्रम को कवर करती है, डेटा लक्षण वर्णन और भेदभाव से लेकर संबंध और सहसंबंध विश्लेषण, वर्गीकरण, प्रतिगमन, क्लस्टरिंग, बाहरी मान विधियां, अनुक्रम विध

एक विशेषता एक डेटा फ़ील्ड है, जो एक डेटा ऑब्जेक्ट की विशेषता को परिभाषित करती है। संज्ञा विशेषता, आयाम, सुविधा, और चर साहित्य में परस्पर उपयोग किए जाते हैं। आयाम आमतौर पर डेटा वेयरहाउसिंग में उपयोग किया जाता है। मशीन लर्निंग साहित्य सुविधा शब्द का उपयोग करने की प्रवृत्ति रखता है, जबकि सांख्यिकीविद्

डेटा पूर्वप्रसंस्करण में शामिल प्रमुख चरण हैं, अर्थात्, डेटा सफाई, डेटा एकीकरण, डेटा कमी, और डेटा परिवर्तन निम्नानुसार हैं - डेटा सफाई - डेटा सफाई रूटीन जानकारी को साफ करने के लिए काम करते हैं लापता मूल्यों को भरकर, शोर जानकारी को चिकना करके, बाहरी मानों की पहचान या उन्मूलन करके, और विचलन को हल करके

अनुक्रमिक पैटर्न खनन अक्सर दिखाई देने वाली श्रृंखला घटनाओं या उप-अनुक्रमों के पैटर्न के रूप में खनन है। अनुक्रमिक पैटर्न का एक उदाहरण उपयोगकर्ता हैं जो एक कैनन डिजिटल कैमरा खरीदते हैं, एक महीने के भीतर एचपी कलर प्रिंटर खरीदने की संभावना रखते हैं। खुदरा जानकारी के लिए, अनुक्रमिक पैटर्न शेल्फ प्लेसमें

GSP का अर्थ है Generalised Sequential Patterns (सामान्यीकृत अनुक्रमिक पैटर्न)। यह एक अनुक्रमिक पैटर्न खनन विधि है जिसे श्रीकांत और अग्रवाल द्वारा 1996 में विकसित किया गया था। यह उनके मौलिक एल्गोरिदम का विस्तार है जो सामान्य आइटमसेट खनन के लिए है, जिसे Apriori कहा जाता है। GSP अनुक्रमिक पैटर्न के नीच