Data-Mining - Introduction

25 flashcards · Computer Science · by ehartl

Begriff: Data Mining
Data Mining bezieht sich auf den Prozess der Entdeckung von bisher unbekannten, bedeutungsvollen Mustern und Informationen in großen Datenmengen.
Begriff: Datenbanksysteme
Datenbanksysteme sind spezialisierte Softwareanwendungen, die entwickelt wurden, um Daten effizient zu organisieren, speichern und abrufen zu können.
Begriff: Datenbankmanagementsystem (DBMS)
Ein Datenbankmanagementsystem (DBMS) ist eine Software, die entwickelt wurde, um Daten zu organisieren, zu speichern, zu verwalten und abzurufen. Es bietet Funktionen wie Datensicherheit, Datenintegrität und -konsistenz.
Begriff: Data Warehouse
Ein Data Warehouse ist eine zentrale Datenbank, die Daten aus verschiedenen Quellen sammelt, zusammenführt und für Analysezwecke optimiert. Es dient als Grundlage für Data Mining und Business Intelligence.
Begriff: OLAP (Online Analytical Processing)
OLAP bezieht sich auf eine Technologie, die es ermöglicht, Daten in multidimensionalen Strukturen zu analysieren und zu präsentieren. Es unterstützt komplexe Analyseoperationen wie Drill-Down, Roll-Up und Slicing.
Begriff: Data Mart
Ein Data Mart ist eine spezialisierte Version eines Data Warehouses, die sich auf einen bestimmten funktionalen Bereich oder eine bestimmte Abteilung eines Unternehmens konzentriert. Es enthält aggregierte Daten, die für spezifische Analysen verwendet werden.
Begriff: Datenbereinigung
Datenbereinigung bezieht sich auf den Prozess der Entfernung von fehlerhaften, inkonsistenten oder irrelevanten Daten aus einer Datenquelle, um die Datenqualität zu verbessern.
Begriff: Datenintegration
Datenintegration ist der Prozess der Kombination von Daten aus verschiedenen Quellen zu einer einzigen einheitlichen Sicht, um konsistente und umfassende Informationen zu erhalten.
Begriff: Data Mining-Methoden
Beispiele: Klassifikation, Clusteranalyse, Assoziationsregeln, Zeitreihenanalyse.
Begriff: Klassifikation
Klassifikation bezieht sich auf den Prozess des Zuordnens von Objekten zu vordefinierten Kategorien oder Klassen basierend auf ihren Eigenschaften oder Merkmalen.
Begriff: Clusteranalyse
Die Clusteranalyse ist eine Methode des Data Mining, bei der ähnliche Objekte in Gruppen zusammengefasst werden. Sie identifiziert natürliche Cluster oder Muster in den Daten.
Begriff: Assoziationsregeln
Assoziationsregeln beschreiben Zusammenhänge oder Abhängigkeiten zwischen verschiedenen Attributen oder Items in den Daten. Sie werden häufig in Warenkorb-Analysen verwendet, um verborgene Beziehungen zwischen Produkten aufzudecken.
Begriff: Zeitreihenanalyse
Die Zeitreihenanalyse befasst sich mit der Analyse von Daten, die über die Zeit gesammelt wurden. Sie identifiziert Muster, Trends und saisonale Veränderungen in den Daten, um Vorhersagen oder Entscheidungen zu treffen.
Begriff: Vorverarbeitung von Daten
Die Vorverarbeitung von Daten umfasst verschiedene Schritte wie Datenbereinigung, Datenintegration, Datenreduktion und Datentransformation. Ziel ist es, die Daten für das Data Mining vorzubereiten und die Datenqualität zu verbessern.
Begriff: Dimensionsreduktion
Die Dimensionsreduktion ist ein Vorverarbeitungsschritt, bei dem die Anzahl der Merkmale oder Dimensionen in den Daten reduziert wird, während möglichst wenig Informationen verloren gehen. Dies erleichtert die Analyse und Visualisierung der Daten.
Begriff: Attributauswahl
Die Attributauswahl bezieht sich auf den Prozess der Auswahl relevanter Merkmale oder Attribute aus den Daten. Durch die Reduzierung der Anzahl von Merkmalen kann die Komplexität reduziert und die Genauigkeit der Analyse verbessert werden.
Begriff: Datentransformation
Die Datentransformation umfasst den Prozess der Umwandlung von Daten in eine geeignete Form für das Data Mining. Dies kann die Anwendung von Funktionen wie Normalisierung, Diskretisierung oder Aggregation beinhalten.
Begriff: Modellbildung
Die Modellbildung bezieht sich auf den Prozess des Aufbaus eines mathematischen oder statistischen Modells, das die Beziehungen und Muster in den Daten beschreibt. Modelle können für Vorhersagen, Klassifikationen oder Entscheidungsunterstützung verwendet werden.
Begriff: Evaluation von Data-Mining-Modellen
Die Evaluation von Data-Mining-Modellen beinhaltet die Bewertung der Leistung und Qualität der entwickelten Modelle. Dies wird durch Metriken wie Genauigkeit, Präzision, Recall und F1-Score erreicht.
Begriff: Überwachtes vs. unüberwachtes Lernen
Überwachtes Lernen bezieht sich auf den Prozess des Trainierens eines Modells mit gelabelten Trainingsdaten, bei dem das Modell aufgrund der bereitgestellten Zielvariablen lernen kann. Unüberwachtes Lernen hingegen bezieht sich auf den Prozess des Trainierens eines Modells mit unlabeled oder unstrukturierten Daten, bei dem das Modell Muster und Strukturen autonom erkennen und lernen kann.
Begriff: Data Mining-Anwendungen
Beispiel: Kundensegmentierung, Betrugserkennung, Nachfragevorhersage, medizinische Diagnose.
Begriff: Data Mining-Prozess
Schritte: Datenauswahl, Datenvorverarbeitung, Modellbildung, Evaluation, Anwendung.
Begriff: Big Data
Big Data bezieht sich auf große, komplexe und vielfältige Datenmengen, die aufgrund ihrer Größe und Struktur traditionelle Datenverarbeitungstechniken übersteigen. Data Mining spielt eine wichtige Rolle bei der Analyse und Extraktion von Wissen aus Big Data.
Begriff: Data Mining vs. Business Intelligence
Data Mining bezieht sich auf den Prozess der Mustererkennung und des Wissensextrahierens aus Daten, während Business Intelligence sich auf die Nutzung von Datenanalysen und Berichterstattung zur Unterstützung von Geschäftsentscheidungen konzentriert.
Begriff: Data Mining-Herausforderungen
Beispiel: Große Datenmengen, fehlende Daten, Datenqualität, komplexe Algorithmen, Interpretierbarkeit der Ergebnisse.