Data mining: differenze tra le versioni

Versione delle 13:00, 2 lug 2007

Versione delle 13:09, 2 lug 2007

Riga 1:

Il '''data mining''' (in italiano: ''estrazione di dati'') può essere definito come:

In informatica, il '''data mining''' (in italiano: ''estrazione di dati'') è l'estrazione di informazione utile, eseguita in modo automatico o semiautomatico, da grandi quantità di dati. Questo tipo di attività è cruciale in molti ambiti della [[ricerca scientifica]], ma anche in altri settori (per esempio in quello delle [[ricerca di mercato|ricerche di mercato]]).

* Estrazione, con tecniche analitiche all'avanguardia, di informazione implicita, sconosciuta e potenzialmente utile da dati conosciuti;

* Esplorazione ed analisi, eseguita in modo automatico o semiautomatico, su grandi quantità di dati allo scopo di scoprire ''pattern'' (schemi) significativi.

In informatica, il '''data mining''' (in italiano: ''estrazione di dati'') è l'estrazione di informazione utile, eseguita in modo automatico o semiautomatico, da grandi quantità di dati. Questo tipo di attività è cruciale in molti ambiti della [[ricerca scientifica]], ma anche in altri settori (per esempio in quello delle [[ricerca di mercato|ricerche di mercato]]).

I fattori principali che hanno contribuito allo sviluppo del data mining sono:

Riga 7 ⟶ 12:

* i nuovi metodi e tecniche di analisi.

Le tecniche e gli [[algoritmo|algoritmi]] di data mining hannosono lofondate scoposu dispecifici analizzare vasti campioni di dati per identificare interessanti regolarità, dette ''pattern'' (schemi)[[algoritmo|algoritmi]]. I pattern così identificati possono essere, nella ricerca scientifica, il punto di partenza per ipotizzare e quindi verificare nuove relazioni di tipo causale fra fenomeni; in generale, possono servire in senso [[statistica|statistico]] per formulare previsioni su nuovi insiemi di dati.

Un concetto correlato al "data mining" è quello di [[machine learning]] (''apprendimento automatico''); infatti, l'identificazione di pattern può paragonarsi all'apprendimento, da parte del sistema di data mining, di una relazione causale precedentemente ignota, cosa che trova applicazione in ambiti come quello degli [[algoritmo euristico|algoritmi euristici]] e della [[intelligenza artificiale]]. Tuttavia, occorre notare che il processo di data mining è sempre sottoposto al rischio di "rivelare" relazioni causali ''inesistenti''.