データマイニングのプロセス例

データマイニングのプロセス例

1.ドメイン知識の獲得

2.データの準備

3.モデリング

4.適用

5.知識の獲得

CRISP-DMメソッド

CRISP-DMメソッドは、データマイニングの伝統的な方法論

次のプロセスからなる

1.ビジネスの理解

ビジネスの観点から、プロジェクトの目的や要求を理解する

そこから、問題点を定義する

2.データの理解

関連するデータを集め、データを理解し、品質の問題などを確認する

また、データから、過程を組み立てることもある

3.データの準備

データのクリーニングなどを行い最終的なデータセットを作る

4.モデリング

さまざまな手法で、データをモデリングする

5.評価

構築したモデルで、ビジネス上の課題が解決できるかを評価する

6.ディプロイメント

データマイニング概要

1.概要

一見、何の因果関係もないと思われる膨大なデータの集まりから、

規則性や法則性を発見する作業。

例えば、何の食べ物と飲み物の組み合わせが最も購入されるか、など。

規則性、法則性、すなわち隠れたビジネスルールを発見することで、

組織の業績向上につなげる。

一般的には、データウェアハウスに蓄積されたデータに対してマイニング作業を行う。

OLAPは、利用者がデータの相互関係に関する仮説を設定し、

その検証のため、ツールを利用する。

データマイニングは、新しいルールやパターンを発見する。

2.データマイニングの手法

相関関係／類似性分析

　データの相関関係に関するルールの発見

クラスタリング

　統計的な類似性によるデータのグループ分け

クラシフィケーション

　新しいデータを、既存のクラスに割り当てる

時系列分析

　時間に基づいた類似性の発見