Rudarenje podataka jeste proces otkrivanja obrazaca u velikim skupovima podataka primjenom metoda iz mašinskog učenja, statistike i sistema baza podataka. Kao interdisciplinarna oblast računarstva i statistike, usmjereno je na izdvajanje informacija iz podataka i njihovo pretvaranje u razumljivu strukturu pogodnu za dalju analizu ili odlučivanje. U užem smislu smatra se analitičkim korakom u procesu otkrivanja znanja u bazama podataka (KDD), dok širi postupak uključuje izbor, pripremu, transformaciju, interpretaciju i provjeru rezultata. Sam izraz ponekad je neprecizan jer cilj nije "iskopavanje" samih podataka, nego izdvajanje obrazaca, zavisnosti i znanja iz velikih količina već prikupljenih podataka.
Metodi i proces
Tipični zadaci obuhvataju klasterizaciju, otkrivanje anomalija, klasifikaciju, regresiju, učenje asocijacijskih pravila i otkrivanje sekvencijalnih obrazaca. Dobijeni obrasci mogu služiti kao sažetak ulaznih podataka, osnova za prediktivnu analitiku ili dio sistema za podršku odlučivanju. Za razliku od klasične analize podataka, koja često provjerava unaprijed postavljenu hipotezu, rudarenje podataka obično traži ranije nepoznate ili skrivene obrasce u velikim količinama podataka. U praksi se često koristi metodologija CRISP-DM, koja razlikuje razumijevanje poslovnog problema, razumijevanje podataka, pripremu podataka, modeliranje, evaluaciju i implementaciju.
Primjena i pitanja
Primjene se javljaju u poslovnoj inteligenciji, marketingu, medicini, bioinformatici, računarskoj sigurnosti, preporučivačkim sistemima i naučnom istraživanju. Veliki obim podataka, automatizirana obrada i mogućnost povezivanja više izvora otvaraju pitanja privatnosti, etike podataka, pristranosti modela, ponovljivosti i tumačenja rezultata.
Reference
Dalje čitanje
Kategorija:Mašinsko učenje Kategorija:Baze podataka Kategorija:Statistika