[nadiaplamadeala]

La crescente disponibilità dei dati porta ad una crescita dinamica ed estremamente elevata del mondo del data mining.

L’estrazione di informazioni utili dai dati richiede metodi, tecniche e strumenti adeguati ed efficaci di analisi dei dati di diverso tipo, in grado di rispondere alle esigenze di ricerca aziendale in costante crescita.

Infatti, il data mining non dispone di metodi propri di analisi dei dati. Esso utilizza le metodologie e le tecniche di altre aree scientifiche correlate.

Ecco un elenco dei più noti metodi e modelli di analisi dei dati classici e moderni.

Metodi matematici e statistici

1. Analisi descrittiva

Fa quello che il nome suggerisce – descrivere. Esamina i dati e analizza gli eventi passati per decidere come avvicinarsi al futuro.

2. Analisi della regressione

Permette di modellare la relazione tra una variabile dipendente e una o più variabili indipendenti.

3. Analisi dei fattori

L’analisi dei fattori è una tecnica di analisi dei dati basata sulla regressione, utilizzata per trovare una struttura sottostante in un insieme di variabili.

4. Analisi della dispersione

La dispersione è la diffusione a cui viene allungato un insieme di dati. È una tecnica per descrivere quanto è esteso un insieme di dati.

5. Analisi discriminante

L’analisi discriminante utilizza misurazioni variabili su diversi gruppi di elementi per sottolineare i punti che distinguono i gruppi.

6. Serie temporali

È il processo di modellazione e di spiegazione di serie di dati in funzione del tempo. L’obiettivo è quello di trarre informazioni significative (regole, modelli) dalla forma dei dati.

Metodi basati sull’intelligenza artificiale, sull’apprendimento automatico e sugli algoritmi euristici

1. Reti neurali artificiali

Le reti neurali artificiali presentano una metafora del cervello per l’elaborazione delle informazioni.

Questi modelli sono modelli computazionali di ispirazione biologica che consistono in un gruppo interconnesso di neuroni artificiali e processano le informazioni utilizzando l’approccio computazionale.

2. Alberi decisionali

L’albero decisionale è un diagramma ad albero che rappresenta modelli di classificazione o di regressione.

Esso divide un insieme di dati in sottoinsiemi di dati sempre più piccoli, mentre allo stesso tempo viene continuamente sviluppato un relativo albero di decisione.

3. Algoritmi evolutivi

Un concetto comune che combina molti tipi diversi di analisi dei dati utilizzando algoritmi evolutivi. I più popolari sono: algoritmi genetici, programmazione genetica e algotirhms co-evolutivi.

4. Logica fuzzy

La logica fuzzy è un tipo innovativo di logica a molti valori in cui i valori di verità delle variabili sono un numero reale compreso tra 0 e 1.

In questo termine il valore di verità può variare tra completamente vero e completamente falso.