DATA MINING.

Presentazione sul tema: "DATA MINING."— Transcript della presentazione:

1 DATA MINING

2 DATA MINING Il processo di estrazione di conoscenza da una base di dati è detto Knowledge Discovery in Databases (KDD) e si avvale di tecniche che consentono di esplorare grandi quantità di dati per estrapolare dati nascosti , ossia non direttamente intuibili, ed inferenze significative. Tali tecniche si possono indicare complessivamente con il termine di data mining.

3 DATA MINING Perché usare tecniche di data mining?
Nessuna ipotesi a priori Lavorano su dati eterogenei Possono lavorare su un gran numero di variabili Possono elaborare un gran numero di osservazioni Diminuiscono il tempo di elaborazione

4 DATA MINING Le tecniche tradizionale di analisi statistica e data retrieval sono inadeguate per questi scopi poiché richiedono dati strutturati (generalmente di tipo quantitativo) e condizioni note a priori ( data retrivial richiedono di formulare una query ; il sistema cerca, all'interno della banca dati, tutti i casi che soddisfano le condizioni poste nella query e fornisce la risposta).

5 DATA MINING Gli algoritmi di data mining utilizzano un approccio esplorativo e non “verificativo”, come avviene per la statistica standard. Essi riescono a trovare relazioni nascoste e difficilmente ipotizzabili a priori.

6 DATA MINING Le tecniche di clustering e l'uso delle reti neurali non supervisionate consentono di effettuare operazioni di segmentazione sui dati, cioè di individuare gruppi omogenei, o tipologie, che presentano delle regolarità al loro interno in grado di caratterizzarli e differenziarli dagli altri gruppi.

7 DATA MINING Le reti neurali (supervisionate) e gli alberi di decisione consentono di effettuare operazioni di classificazione, fanno cioè uso della conoscenza acquisita in fase di addestramento per classificare nuovi oggetti o prevedere nuovi eventi. Le tecniche di analisi delle associazioni consentono di individuare delle regole nelle occorrenze concomitanti di due o più eventi.

8 TECNICHE Le tecniche di data mining sono differenti e quindi anche gli algoritmi che le implementano. Le più utilizzate sono Clustering Reti neurali Alberi di decisione Individuazione di associazioni Algoritmi genetici …….

9 TECNICHE Processo di estrazione della conoscenza:
Generalmente si compone delle seguenti fasi : · Definizione degli obiettivi · Organizzazione dei dati : vengono raccolti i dati e vengono organizzati in databases.

10 TECNICHE Pre - Processing Viene effettuata una prima valutazione della rilevanza dei dati raccolti che può richiedere una trasformazione delle variabili originarie (pulizia dei dati). Data-Mining La scelta del metodo da utilizzare dipende fortemente dal problema in esame, dagli obiettivi e dal tipo di dati disponibili.

11 TECNICHE · Elaborazione dei dati
· Valutazione dei modelli Dal confronto dei risultati ottenuti con i diversi metodi si sceglie il modello migliore di analisi. · Interpretazione, valutazione e rappresentazione dei risultati