La minería de datos se utiliza para el análisis de las colecciones de Observaciones

La minería de datos es el proceso de la aplicación de estos métodos a los datos con la intención de descubrir patrones ocultos. Se ha utilizado durante muchos años por las empresas, los gobiernos y científicos para tamizar a través de volúmenes de datos, incluyendo datos sobre los pasajeros aéreos que viajan a los datos del censo y los datos del escáner supermercado para producir informes de investigación de mercado.

Una razón importante para el uso de la minería de datos es ayudar en el análisis de las colecciones de observaciones de la conducta. Estos datos son vulnerables debido a las relaciones desconocidas de colinealidad. Un hecho de la minería de datos es que todos los datos sean analizados puede no ser representativa de todo el campo, y por lo tanto no puede dar ejemplos de comportamientos críticos y las relaciones que existen en otras partes del campo.

Para superar este problema, el análisis se puede aumentar mediante el uso de enfoques basados ​​en experimentos y otros, tales como los modelos de elección para los datos generados por el hombre. En estas situaciones, las correlaciones inherentes sea verificado o eliminados durante la construcción de la configuración experimental
minera

Los datos por lo general implica cuatro categorías de tareas:.

Disposición - Organiza los datos en grupos predefinidos. Por ejemplo, un programa de correo electrónico puede tratar de correo electrónico como la clasificación legítimo o spam. Algoritmos de aprendizaje común son árboles de decisión, el vecino más cercano, ingenuo clasificación de Bayes y redes neuronales

La agrupación -. Tales como formato, pero los grupos no están predefinidos, por lo que el algoritmo intentará agrupar elementos similares
<. p> Regresión - Los intentos de encontrar una función que modele los datos con el menor error

Asociación de aprendizaje regla -. Las búsquedas de las relaciones entre las variables. Ejemplo, un supermercado podría recopilar datos sobre el comportamiento de compra de los clientes. Utilizando el aprendizaje de reglas de asociación, el supermercado a determinar qué productos se compran a menudo juntos y utilizar esta información para fines de marketing. Esto se conoce como análisis de la cesta de mercado. Ahora. Mira algunos ejemplos en los que se puede utilizar en el mundo real.

En el área de la investigación en genética humana, la meta es importante entender la relación de correspondencia entre las variaciones interindividuales en las secuencias y el ADN humano la variabilidad en la susceptibilidad a la enfermedad. En pocas palabras, es cómo los cambios en la secuencia de ADN de un individuo afectan el riesgo de desarrollar enfermedades como el cáncer. Esto es muy importante para el diagnóstico, prevención y tratamiento de enfermedades. La técnica de minería de datos utilizado para esta tarea se conoce como reducción de dimensionalidad multifactorial.

En el campo de la ingeniería eléctrica, las técnicas de minería de datos son ampliamente utilizados para el seguimiento del estado de los equipos eléctricos de alta tensión. El propósito del monitoreo de condición es proporcionar información valiosa sobre la salud del aislamiento del equipo. Los datos, como la combinación de auto-organización mapa (SOM) se aplicó a la monitorización de vibraciones y análisis de transformador en carga cambiadores de tomas (OLTC).

Uso de monitoreo de vibración, puede observarse que cada operación de cambio de toma de una señal sobre el estado de los contactos y generar discos de corte. Por supuesto, las posiciones de toma generan diferentes señales. Sin embargo, hubo una variabilidad considerable entre las señales normalmente hace precisamente la misma función. SOM se utilizó para detectar condiciones anormales y la naturaleza de las desviaciones para estimar
 .;