Data Warehouse & Data Mining e

D-Salhra

Reklam içerir

Bu uygulama hakkında

Bu uygulamada Veri Waherouse ve Veri Madenciliği hakkında ayrıntılı dersler + egzersizler + düzeltme bulabilirsiniz

Önce "Veri Ambarı" nedir? :

Kuruluş içinde kararlar almanıza yardımcı olacak çok miktarda veri içeren bir veritabanı türüdür. Bu tür veritabanı, iç yapısının, yıldız-yıldız modeli olarak adlandırılan şeydeki göstergeler ve analiz eksenlerinden kullanıcının ihtiyaç duyduğu şeylere uygunluğu ile karakterize edilir: sistemler karar desteği ve veri madenciliği.

Veri ambarları genellikle, birçok girdi ve güncelleme işleminin gerçekleştirildiği uygulamalarda kullanılan olağan veritabanlarındaki verilerden elde edilen ve çıkarılan geçmiş verileri içerir ve veri ambarları da metin dosyaları ve diğer belgeler gibi diğer kaynaklardan gelen veriler.


"Veri Madenciliği" nedir? :

Bu bilginin ne olabileceğine dair ön hipotezler olmadan verilerin bilgisini bilgisayarlı ve manuel olarak aramaktadır. Veri madenciliği, verileri veri sahibi için anlaşılabilir ve yararlı yeni bir şekilde özetleyen mantıklı bir ilişki bulmak için bir miktar veriyi (genellikle büyük miktarda) analiz etme süreci olarak da tanımlanır. . “Modeller” veri madenciliğinden elde edilen ilişkiler ve özet veriler olarak adlandırılır. Veri madenciliği genellikle veri madenciliği dışında bir amaç için elde edilen verilerle ilgilenir (örneğin, bir bankadaki işlemler veritabanı), yani madencilik yöntemi veriler, verinin kendisinin toplanma şeklini etkilemez. Bu, veri madenciliğinin istatistiklerden farklı olduğu alanlardan biridir ve bu nedenle veri madenciliği sürecine ikincil istatistiksel süreç denir. Tanım ayrıca veri miktarının genellikle büyük olduğunu gösterir, ancak veri miktarı küçükse, analiz etmek için düzenli istatistiksel yöntemler kullanmak en iyisidir.

Büyük miktarda veriyle uğraşırken, verilerdeki farklı noktaların nasıl tanımlanacağı, verilerin makul bir zamanda nasıl analiz edileceği ve görünür bir ilişkinin verinin doğasındaki bir gerçeği yansıtıp yansıtmadığına nasıl karar verileceği gibi yeni sorunlar ortaya çıkar. . Genellikle, veri setinin bir parçası olan veriler çıkarılır, burada amaç genellikle sonuçları tüm verilere genelleştirmek (örneğin, gelecekteki talepleri tahmin etmek için bir ürünün tüketicilerinin mevcut verilerini analiz etmek) tüketiciler). Veri madenciliğinin amaçlarından biri, basit verileri genelleme olmadan ifade etmek için büyük miktarda veriyi azaltmak veya sıkıştırmaktır.