Quelles sont les différentes primitives d'exploration de données ?

1. Tâche Données pertinentes
a. Nom de la base de données ou de l'entrepôt de données
b. Tables de base de données ou cubes d'entrepôt de données
c. Condition de sélection des données
d. Attributs ou dimensions pertinents
e. Critères de regroupement des données
2. Type de connaissances à exploiter
a. Caractérisation
b. Discrimination
c. Association
d. Classification/prédiction
e. Regroupement
f. Analyse des valeurs aberrantes
g. Autres tâches d'exploration de données
3. Connaissances de base
a. Connaissances de base typiques : Hiérarchies de concepts
b. Hiérarchie de schéma
c. Hiérarchie de regroupement d'ensembles
ré. Hiérarchie dérivée des opérations
e. Hiérarchie basée sur des règles
4. Mesures de l'intérêt des modèles
a. Simplicité
b. Certitude
c. Utilitaire
d. Nouveauté
5. Visualisation/présentation des modèles découverts
a. Différents contextes/usages peuvent nécessiter différentes formes de représentation, par exemple des règles, des tableaux
b. Importance de la hiérarchie des concepts
c. Différents types de connaissances nécessitent une représentation différente : Association, classification, clustering, etc.

L'exploration de données fait essentiellement référence à la récupération et à l'extraction d'informations importantes à partir d'une base de données ou d'un vaste ensemble de données. Il existe un certain nombre de techniques d'exploration de données en fonction de leur utilisation, telles que l'exploration de données prédictive, le Bagging, le Boosting, etc. Pour les connaître en détail, consultez le lien ci-dessous :
www.statsoft.com

L'exploration de données est un processus analytique conçu pour explorer les données à la recherche de modèles et de relations cohérents. Voici un lien d'où vous pouvez obtenir les techniques de data mining :

www.statsoft.com