డేటా మైనింగ్
 | ఈ వ్యాసం లేదా వ్యాసభాగాన్ని విస్తరించవలసి ఉంది. సముచితమైన సమాచారంతో వ్యాసాన్ని విస్తరించండి. విస్తరణ పూర్తయిన తర్వాత, ఈ నోటీసును తీసివేయండి. |
 | నాణ్యతను మెరుగుపరచేందుకు గాను ఈ వ్యాసానికి శుద్ది అవసరం. వికీపీడియా శైలిని అనుసరించి వ్యాసాన్ని మెరుగు పరచండి. వ్యాసంలో మెరుగు పరిచవలసిన అంశాల గురించి చర్చా పేజిలో చర్చించండి. లేదా ఈ మూస స్థానంలో మరింత నిర్దుష్టమైన మూస పెట్టండి. |
డేటా మైనింగ్ అనేది కంప్యూటర్ సైన్స్ నుంచి వచ్చిన పదం. కొన్ని సార్లు డేటాబేస్ లలో (కెడి) లో జ్ఞాన ఆవిష్కరణ అని కూడా అంటారు. డేటా మైనింగ్ అనేది చాలా డేటాలో కొత్త సమాచారాన్ని కనుగొనడం గురించి చేసే పక్రియ. డేటా మైనింగ్ నుంచి పొందిన సమాచారం నవీనంగా, ఉపయోగకరంగా ఉంటుంది.సమాచార పరిశ్రమలో భారీ మొత్తంలో డేటా అందుబాటులో ఉంది. ఈ డేటా ఉపయోగకరమైన సమాచారంగా మార్చబడే వరకు ప్రయోజనం లేదు. ఈ భారీ మొత్తంలో డేటాను విశ్లేషించడం, దాని నుండి ఉపయోగకరమైన సమాచారాన్ని సేకరించడం అవసరం. డేటా మైనింగ్ లో డేటా క్లీనింగ్, డేటా ఇంటిగ్రేషన్, డేటా ట్రాన్స్ ఫర్మేషన్, డేటా మైనింగ్, ప్యాట్రన్ మదింపు, డేటా ప్రజంటేషన్ వంటి ఇతర ప్రక్రియలు కూడా ఇమిడి ఉంటాయి. డేటా చాలా ముఖ్యమైన విషయం.
డేటా మైనింగ్ అంటే ఏమిటి?
[మార్చు]డేటా మైనింగ్ డేటా యొక్క భారీ సెట్ల నుండి సమాచారాన్ని సేకరించేదిగా నిర్వచించబడింది.మరో మాటలో చెప్పాలంటే డాటా మైనింగ్ అనేది డేటా నుంచి మైనింగ్ నాలెడ్జ్ కు సంబంధించిన విధానం అని చెప్పొచ్చు, ఇలా సమాచారం లేదా నాలెడ్జ్ ని మార్కెట్ విశ్లేషణ, మోసాన్ని గుర్తించడం, కస్టమర్ స్వభావం, ఉత్పత్తి నియంత్రణ, సాంకేతిక అన్వేషణ వంటి ఏదైనా అనువర్తనాల కొరకు ఉపయోగించవచ్చు.అనేక సందర్భాల్లో, డేటా ఒక లక్ష్యంతో నిల్వ చేయబడుతుంది కాబట్టి దీనిని తరువాత ఉపయోగించవచ్చు. తరువాత, అదే డేటాని మొదటి వినియోగానికి అవసరం లేని ఇతర సమాచారాన్ని పొందేందుకు కూడా ఉపయోగించవచ్చు.
డేటా మైనింగ్ లో వివిధ రకాలు
[మార్చు]డేటా కోసం, క్రొత్త సమాచారం పొందడానికి అనేక రకాల పద్ధతులు వున్నాయి సాధాణంగా ఈ పద్ధతులకు అంచనా ఉంటుంది.[1] కొన్ని డేటా మైనింగ్ పద్ధతులు అసోసియేషన్ వర్గీకరణ, సంబంధం, సంసర్గం, భావి కథనం, క్రమబద్ధాభ్యసనం, విన్యాస జ్ఞానం, పరిగణన, నిర్ణయ సమర్థన వంటివి
మూలాలు
[మార్చు]- ↑ "Data Mining Methods | Top 8 Types Of Data Mining Method With Examples". EDUCBA (in అమెరికన్ ఇంగ్లీష్). 2019-03-01. Retrieved 2020-02-14.