¿Son diferentes los métodos de minería de datos y el algoritmo de minería de datos?

Sí, los términos “métodos de minería de datos” y “algoritmos de minería de datos” tienen diferentes significados.

Los algoritmos de minería de datos son pasos definidos utilizados para procedimientos matemáticos específicos. Por ejemplo, la regresión lineal es un algoritmo que ajusta una línea a los datos. En otras palabras, determina qué ecuación se aproxima a la relación entre una variable objetivo (dependiente) y una o más variables predictoras (independientes), dadas ciertas reglas sobre lo que constituye la “mejor” aproximación a los datos. Muchos algoritmos, entre ellos los árboles de decisión y las redes neuronales, pueden usarse en la minería de datos. Los modelos (ecuaciones utilizadas para la predicción y la comprensión) obtenidos de estos procedimientos también pueden denominarse “algoritmos”.

Los métodos de minería de datos incluyen el uso de algoritmos, así como un rango de actividad mucho más amplio que va desde hacer preguntas de sondeo sobre el problema comercial a resolver hasta documentar pruebas de validación de modelos.

La minería de datos no se trata solo de matemáticas o programación. La raíz de la minería de datos es comprender los problemas comerciales y abordarlos de manera práctica y rentable. La escucha y otras habilidades de comunicación, la cooperación con equipos interfuncionales, el conocimiento empresarial y otros tipos de experiencia son fundamentales para producir resultados valiosos de minería de datos y ponerlos en uso.

Escribí en detalle sobre algoritmos y otros métodos utilizados por los mineros de datos en el libro Data Mining for Dummies . Puedes encontrarlo en muchas bibliotecas.

Sí, ambos términos son de naturaleza diferente y su significado también difiere en la minería de datos.

Los algoritmos de minería de datos comprenden algoritmos como el algoritmo vecino k-más cercano, el algoritmo Naive Bayes. Estos algoritmos son la expresión matemática utilizada en el modelo de minería de datos, mientras que los modelos de minería de datos incluyen los pasos de la minería de datos para extraer la mejor información del mismo. Los árboles de decisión, k-vecino más cercano, SVM, clasificación de Bayes son algunos de los ejemplos de modelos de minería de datos

Por ejemplo (CRISP-DM) el proceso estándar de la industria cruzada es un modelo utilizado en la industria de las telecomunicaciones para la extracción de datos que se muestra en el diagrama. yo

Se compone de 4 fases y cada una tiene diferentes algoritmos.

1. Redes neuronales

2. Técnicas basadas en estadísticas

3. Árboles de decisión

4. Técnicas de cobertura

La técnica basada en estadísticas utiliza los algoritmos para la minería de datos como la regresión lineal, la regresión logística, el algoritmo del vecino K más cercano y el clasificador Naive Bayes. Se utiliza un algoritmo de árbol de decisión para identificar los problemas del cliente y ver las técnicas utilizadas, como la familia AQ, CN2, RIPPER y RULES.

Una empresa de minería de datos con experiencia puede implicar los mejores métodos y algoritmos para extraer lo mejor de sus datos comerciales, lo que es útil para impulsar las ganancias de su negocio.