データマイニングの機能とは？代表的な8つの機能を徹底解説

データマイニング機能とは

データマイニング機能とは、データマイニングタスクにおいて発見すべきパターンの種類を表すものです。一般的に、データマイニングタスクは「記述的（Descriptive）」と「予測的（Predictive）」の2種類に大別されます。記述的なマイニングタスクは、データベース内のデータに共通する特性を明らかにすることを目的とし、予測的なマイニングタスクは現在の情報をもとに推論を行い、将来の予測を導き出します。

データマイニングには、以下のようなさまざまな機能があります。

1. データ特徴付け（Data Characterization）

対象となるデータクラスの一般的な特性を要約する機能です。ユーザーが指定したクラスに対応するデータは、通常、データベースへのクエリによって収集されます。出力結果は、表やグラフなど複数の形式で提示できます。

2. データ判別（Data Discrimination）

対象クラスのデータオブジェクトの一般的な特性を、対照となる1つ以上のクラスのオブジェクトの特性と比較する機能です。対象クラスと対照クラスはユーザーが指定でき、対応するデータオブジェクトはデータベースクエリを通じて取得します。

3. アソシエーション分析（Association Analysis）

トランザクションデータセット内で一緒に発生することの多いアイテムの集合を分析する機能です。アソシエーションルールの決定には、次の2つのパラメータが用いられます。

• サポート（Support）：データベース内で共通して現れるアイテムセットを特定します。
• 確信度（Confidence）：あるアイテムがトランザクションに含まれるとき、別のアイテムも同時に含まれる条件付き確率です。

4. 分類（Classification）

データクラスや概念を表現・区別するモデルを発見する手続きです。目的は、構築したモデルを用いて、クラスラベルが未知のオブジェクトのクラスを予測できるようにすることにあります。導出されたモデルは、クラスラベルが既知の一連の訓練データの分析に基づいて構築されます。

5. 予測（Prediction）

利用できないデータ値や今後の傾向を予測する機能です。オブジェクトは、その属性値や属するクラスの属性値に基づいて予測できます。具体的には、欠損している数値の補完や、時間に関連するデータにおける増加・減少トレンドの予測などが挙げられます。

6. クラスタリング（Clustering）

分類と似た手法ですが、クラスが事前に定義されていない点が大きく異なります。クラスはデータ属性によって表され、教師なし学習に分類されます。オブジェクトは、同一クラスタ内の類似度を最大化し、異なるクラスタ間の類似度を最小化するという原則に基づいてグループ化されます。

7. 外れ値分析（Outlier Analysis）

外れ値とは、特定のクラスやクラスタに分類できないデータ要素のことです。他のデータオブジェクトの一般的な振る舞いとは大きく異なる挙動を示すデータであり、この種のデータの分析は、詐欺検知などの異常検出や知識発見において重要な役割を果たします。

8. 進化分析（Evolution Analysis）

時間の経過とともに振る舞いが変化するオブジェクトの傾向を分析する機能です。時系列データの変化パターンを捉えることで、長期的なトレンドの把握に役立ちます。

まとめ

データマイニングの機能は、データの特性を要約する記述的な分析から、未知の値や将来の傾向を推定する予測的なモデリングまで多岐にわたります。分析の目的やデータの性質に応じて適切な機能を選択することが、効果的な知識発見の鍵となります。