ED-4.2-m01-1.0-Slajd18

From Studia Informatyczne

Proces odkrywania wiedzy (2)

Proces odkrywania wiedzy (2)


Kolejnym etapem procesu odkrywania wiedzy jest etap czyszczenia danych (ang. data cleaning) - celem etapu jest usunięcie niepełnych, niepoprawnych lub nieistotnych danych ze zbioru eksplorowanych danych; Kolejny etap to etap konsolidacja i transformacja danych (ang. data transformation, data consolidation) - celem etapu jest transformacja wyselekcjonowanych danych do postaci wymaganej przez metody eksploracji danych; Następny krok to wybór metody lub metod eksploracji danych, która zostanie wykorzystana w procesie pozyskiwania wiedzy; Wybór algorytmów – wybór konkretnych algorytmów rozwiązujących dany problem; Etap Eksploracji danych (ang. data mining) odkrywa potencjalnie użytecznych wzorców ze zbioru wyselekcjonowanych danych. Ocena wzorców (ang. pattern evaluation - celem etapu jest ocena i identyfikacja interesujących wzorców. Wizualizacja wzorców (ang. knowledge representation) - celem etapu jest wizualizacja otrzymanych interesujących wzorców w taki sposób, aby umożliwić użytkownikowi interpretację i zrozumienie otrzymanych w wyniku eksploracji wzorców, reguł, skupień itp. Wykorzystanie pozyskanej wiedzy i wdrożenie jej w życie. Najczęściej, niektóre etapy procesu odkrywania wiedzy są wykonywane łącznie. Przykładowo, etapy czyszczenia danych oraz integracji danych stanowią integralną część budowy hurtowni danych, natomiast etapy selekcji danych oraz transformacji i konsolidacji danych mogą być zrealizowane poprzez zbiór zapytań. Wzorce odkryte na etapie eksploracji danych są prezentowane użytkownikowi, ale mogą być zapamiętane w bazie danych lub hurtowni danych dla dalszej eksploracji.


<< Poprzedni slajd | Spis treści | Następny slajd >>