Usa os métodos da inteligência artificial, aprendizado de máquina, estatística e sistemas de bancos de dados. O intuito geral do recurso de mineração de detalhes consiste em puxar dicas de um conjunto de fatos e transformá-la numa estrutura coerente para exercício posterior.
Análise das propriedades dos detalhes, em especial os histogramas, diagramas de dispersão, presença de valores atípicos e ausência de detalhes (valores nulos). Seleção e aplicação da técnica de mineração de detalhes, constrói-se o paradigma de suspeita, de classificação ou segmentação.
Extracção de discernimento, por meio de uma técnica de mineração de dados, obtém-se um paradigma de discernimento, que representa os padrões de comportamento observados os valores das variáveis do defeito ou relações de agregação entre essas variáveis. Também são capazes de ser usadas numerosas técnicas para gerar diferentes modelos, entretanto em geral cada técnica exige um processado diferenciado dos dados.
Interpretação e avaliação de fatos, uma vez obtido o paradigma, precisa-se proceder à tua validação, verificando que as conclusões que resultam são válidas e suficientemente satisfatórias. No caso de ter obtido inúmeros modelos a partir da utilização de diferentes técnicas, necessitam-se comparar os modelos em procura daquele que se ajuste melhor ao problema.
Se nenhum dos modelos atinge os resultados esperados, necessita ser algum dos passos anteriores para elaborar novos modelos. Se o paradigma término não superior a esta avaliação o modo podes redizer desde o início, ou, se o especialista que o considere oportuno, a partir de qualquer um dos passos anteriores.
Esse feedback pode reiterar quantas vezes for obrigatório até adquirir um modelo válido. Uma vez validado o modelo, se é aceitável (fornece saídas adequadas e/ou com margens de erro elegíveis), esse imediatamente está pronto para sua investigação.
Os modelos obtidos por técnicas de mineração de dados aplicam-se incorporando-os em sistemas de análise de detalhes das corporações, e até mesmo, nos sistemas transacionais. Tradicionalmente, as técnicas de mineração de dados foram aplicados a respeito de o detalhe contida nos repositórios de fatos.
- Oscar Gómez Murcia
- Centro de Orientação e Inf. ao Emprego
- Fazer com que se cumpram as sentenças dos tribunais
- 2 Antiguidade 2.Um Pré-história
Realmente, algumas grandes organizações e corporações desenvolveram e alimentam bases de detalhes principlamente montados pra projetos de mineração de dados que centraliza sugestões potencialmente úteis de todas as tuas áreas de negócio. Entretanto, atualmente tem ganhado uma importância cada vez superior a mineração de detalhes não estruturados como informação contida em ficheiros de texto, Internet, etc
Compreensão: do negócio e da dificuldade que se quer definir. Determinação, obtenção e limpeza: os detalhes necessários. Criação de modelos matemáticos. Validação, comunicação: os resultados obtidos. Integração: se for o caso, os resultados em um sistema transacional ou parecido. A relação entre todas essas fases só é linear sobre o papel. Na verdade, é muito mais complexa e esconde toda uma hierarquia de subfases. Por meio da experiência acumulada em projetos de mineração de fatos foram montados métodos que permitem gerir esta complexidade de uma forma mais ou menos uniforme.