] Usa os métodos da inteligência artificial, aprendizado de máquina, estatística e sistemas de bancos de dados. O objetivo geral do processo de mineração de dados consiste em extrair informações de um conjunto de dados e transformá-la em uma estrutura compreensível para uso posterior. Análise das propriedades dos dados, em especial os histogramas, diagramas de dispersão, presença de valores atípicos e ausência de dados (valores nulos).
Selecionar e aplicar a técnica de mineração de dados, constrói-se o modelo de previsão, de classificação ou segmentação. Extração de conhecimento, através de uma técnica de mineração de dados, obtém-se um modelo de conhecimento, que representa os padrões de comportamento observados os valores das variáveis do problema ou relações de associação entre essas variáveis.
- 1 Exemplos de satisfação global
- Fundação Manolo Prieto
- 2015: Carlos Mario Giraldo, presidente do Grupo Sucesso.[11]
- 14 h. “Power to the Players’: assim é o negócio de Pique e Ramos
- a soma total dos preços de todos os bens e serviços produzidos,
- Saber qual a necessidade do mercado vai cobrir
Também podem ser usadas várias técnicas para gerar diferentes modelos, mas em geral cada técnica exige um processado diferente dos dados. Interpretação e avaliação de dados, uma vez obtido o modelo, deve-se proceder à sua validação, verificando que as conclusões que resultam são válidas e suficientemente satisfatórias.
No caso de ter obtido vários modelos através da utilização de diferentes técnicas, devem-se comparar os modelos em busca daquele que se ajuste melhor ao problema. Se nenhum dos modelos atinge os resultados esperados, deve ser algum dos passos anteriores para criar novos modelos. Se o modelo final não superior a esta avaliação o processo pode repetir desde o início, ou, se o especialista que o considere oportuno, a partir de qualquer um dos passos anteriores.
Esse feedback pode repetir quantas vezes for necessário até obter um modelo válido. Uma vez validado o modelo, se é aceitável (fornece saídas adequadas e/ou com margens de erro elegíveis), este já está pronto para sua exploração. Os modelos obtidos por técnicas de mineração de dados aplicam-se incorporando-os em sistemas de análise de informação das organizações, e até mesmo, nos sistemas transacionais.
Tradicionalmente, as técnicas de mineração de dados foram aplicados sobre a informação contida nos repositórios de dados. De fato, muitas grandes empresas e instituições criaram e alimentam bases de dados especialmente criados para projetos de mineração de dados que centraliza informações potencialmente úteis de todas as suas áreas de negócio.
no entanto, atualmente vem ganhando uma importância cada vez maior a mineração de dados não estruturados como informação contida em ficheiros de texto, na Internet, etc. Compreensão: do negócio e do problema que se quer resolver. Determinação, obtenção e limpeza: os dados necessários. Criação de modelos matemáticos. Validação, comunicação: os resultados obtidos.
Integração: se for o caso, os resultados em um sistema transacional ou similar. 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. Através da experiência acumulada em projetos de mineração de dados foram desenvolvidos métodos que permitem gerir esta complexidade de uma forma mais ou menos uniforme.
