데이터 마이닝은 데이터베이스 소유자에게 명확하고 유익한 결과를 얻기 위해 처음에는 알려지지 않은 규칙성 또는 관계를 찾기 위해 다량의 정보를 선택, 탐색 및 모델링하는 절차입니다.
데이터 마이닝은 데이터베이스 시스템, 통계, 머신 러닝, 시각화 및 데이터 과학과 같은 일련의 분야가 결합된 학제 간 분야입니다. 사용된 데이터 마이닝 방법을 기반으로 하며 신경망, 퍼지 및 러프 집합 이론, 지식 표현, 귀납 논리 프로그래밍 또는 고성능 컴퓨팅을 비롯한 다른 분야의 접근 방식을 사용할 수 있습니다.
마이닝할 데이터 유형 또는 주어진 데이터 마이닝 응용 프로그램에서 설정되며, 데이터 마이닝 시스템은 공간 데이터 분석, 데이터 검색, 패턴 식별, 이미지 분석, 신호 처리, 컴퓨터 그래픽, 네트워크 기술, 경제학, 경영학, 생물정보학 또는 심리학.
데이터 마이닝 쿼리 언어는 이러한 기본 요소를 통합하여 사용자가 데이터 마이닝 시스템에 유연하게 연결할 수 있도록 설계할 수 있습니다. 데이터 마이닝 쿼리 언어는 사용자 친화적인 그래픽 인터페이스를 구성할 수 있는 권한을 지원합니다. 이는 데이터 마이닝 시스템과 다른 데이터 시스템 간의 통신 및 완전한 데이터 처리 환경과의 통합을 촉진합니다.
데이터 마이닝은 데이터 특성화에서 진화 분석에 이르기까지 광범위한 기능을 보호하기 때문에 포괄적인 데이터 마이닝 언어를 설계하는 것은 어려운 일입니다. 각 작업에는 몇 가지 요구 사항이 있습니다. 효과적인 데이터 마이닝 쿼리 언어를 설계하려면 다양한 유형의 데이터 마이닝 작업의 힘, 한계 및 기본 구조에 대한 폭넓은 학습이 필요했습니다.
데이터 마이닝 기능은 데이터 마이닝 작업에서 발견해야 하는 패턴 유형을 정의하는 데 사용됩니다. 일반적으로 데이터 마이닝 작업은 기술 및 예측의 두 가지 유형으로 분류할 수 있습니다. 기술적인 마이닝 작업은 데이터베이스에 있는 데이터의 공통 기능을 정의하고 예측적인 마이닝 작업은 예측을 개발하기 위해 현재 정보에 대한 추론을 수행합니다.
데이터 마이닝의 주요 구성 요소는 다음과 같습니다 -
- 데이터베이스 − 이것은 하나 또는 일련의 데이터베이스, 데이터 웨어하우스, 스프레드시트 및 데이터 정리 및 통합 기술을 구현할 수 있는 다른 유형의 데이터 저장소입니다.
- 데이터 웨어하우스 서버 − 이 구성 요소는 데이터 웨어하우스의 사용자 요청에 따라 관련 레코드를 가져옵니다.
- 지식 기반 − 흥미로운 패턴을 발견하기 위해 사용되는 지식 영역입니다.
- 데이터 마이닝 엔진 − 분류, 연관, 클러스터 분석 등의 작업을 수행하는 데 사용되는 기능 모듈을 사용합니다.
- 패턴 평가 모듈 − 이 구성 요소는 데이터 마이닝 구조와 통신하는 흥미도 측정을 사용하여 흥미로운 패턴으로 검색을 목표로 합니다.
- 사용자 인터페이스 − 이 인터페이스를 통해 사용자는 그래픽 사용자 인터페이스를 통해 데이터 마이닝 기능 또는 쿼리를 설명하여 시스템과 상호 작용할 수 있습니다.