Data Mining (DM)

Datamining, dolování, či vytěžování dat z databází jsou postupy jak získat z databází informace, které jsou v nich obsažené, ale které není (obvykle pro rozsáhlost DB) možné snadno získat. Techniky DM jsou jistou alternativou k rigoróznímu postupu induktivní statistiky. Mají potenciál nalézt souvisloti, které by statistické přístupy nezachytili. Je možné jich využít jako tzv. exploračních (průzkumných) technik - pomocí kterých vyhledáváme nové vztahy určené pro verifikaci. Mezi DM se řadí i metody grafického dataminingu, jehož úkolem je vhodná vizualizace dat, aby skryté vztahy byli uživateli zřejmé. Na závěr definice KDD - Knowledge Discovery in Data Bases (Usama M. Fayyad 1996) je netriviální proces identifikace validních, nových, potenciálně užitečných a pochopitelných vzorců v datech.

Obecně o dataminingu

  • Přednáška DM .doc
    Přednáška: Teoretické informační systémy a vytěžování znalostí z databází. Detailně obsahuje metodu využití konceptuálních svazů a Rough množin.

    Aplikace dataminingu

  • Bíla, J. & Jura J.: Využití prostředků vytěžování znalostí z databází v systému monitorování vývoje krajiny .doc, .pdf.
  • Bíla, J., Jura J., Bukovský I.: Qualitative Modeling And Data Mining In The Monitoring Of The Selected Ecosystem .rtf, .pdf, .ppt.

    Internetové odkazy

  • Fayyad, M. Usama: Data Mining and Knowledge Discovery: Making Sense Out of Data
    http://csdl2.computer.org/persagen/DLAbsToc.jsp?resourcePath=/dl/mags/ex/&toc=comp/mags/ex/1996/05/x5toc.xml&DOI=10.1109/64.539013
  • Fayyad, M. Usama: Information Visualization in Data Mining and Knowledge
    http://books.google.com/books?hl=cs&lr=&id=2gSZv1fikJoC&oi=fnd&pg=PR5&dq=data+mining+and+knowledge+discovery+fayyad+&ots=TGFJQkxPYY&sig=KUa1cdD-_K0yYjz3wBaUxxAUxjc