記述的データマイニングと予測的データマイニングの違いは何ですか？

記述的データマイニング

記述的マイニングは、一般に、相関、クロス集計、頻度などを提供するために使用されます。これらの方法は、データの規則性を決定し、パターンを明らかにするために使用されます。これは、記録の要約と、レポートおよび監視のための重要なデータへの変換に焦点を当てています。

記述的マイニングはデータを「記述」します。データがキャプチャされると、人間が解釈できる形式に変更できます。記述的データマイニングにおいて、Aprioriアルゴリズムを使用して生徒の成績を特徴付け、一連のアイテム間の相互関係を見つける関連付け手法。

Aprioriアルゴリズムは、複数の学生の学業成績を含むデータベースで使用され、試験のスコア、学期の成績、出席、実践などのいくつかのパラメータに基づいて、相関ルールを抽出して学生のプロファイルを作成しようとします。

予測データマイニング

「予測」という用語は、何かを予測することを定義します。したがって、予測データマイニングは、将来のイベントまたは複数のデータや傾向を予測するために行われる分析です。予測データマイニングにより、ビジネスアナリストは意思決定を行い、分析チームの取り組みに価値を付加することができます。予測データマイニングは、予測分析を提供します。予測分析では、データを使用して結果を予測します。

予測マイニングの主な目標は、現在の動作ではなく、将来の結果を予測することです。これには、フォーカス値の予測に使用される教師あり学習サービスが含まれます。

このマイニング要素に該当するアプローチは、分類、時系列分析、および回帰です。データモデリングは予測分析の基本であり、いくつかの変数を使用して、他の変数の未知の将来のデータ値を予測することで機能します。

さらに、各方法の長所と短所についての予知を得るために、これらの教師あり学習方法間の比較も行います。このプロセス全体は、必要な知識を抽出するための最適な手法を見つけるために実装されます。

記述的データマイニングと予測的データマイニングの比較を見てみましょう。