Tecniche di data mining – introduzione

Mentre una strategia di data mining definisce le linee guida dell’approccio alla risoluzione dei problemi, una tecnica di data mining applica (implementa) una strategia, è l’algoritmo che utilizzo.
In questa sezione verranno riprese le cinque strategie fondamentali di data mining e presentate, in modo approfondito, alcune tecniche ad esse associate.
Classificazione delle strategie di data mining.

Come abbiamo visto, le strategie di data mining possono essere classificate in supervisionate o non supervisionate.
Le strategie supervisionate sono caratterizzate dall’esistenza di uno o più attributi di output (variabili dipendenti) i cui valori dipendono da uno o più attributi di input (variabili indipendenti).
Le strategie non supervisionate non ammettono un attributo di output, di conseguenza tutti gli attributi utilizzati per la costruzione dei modelli sono variabili indipendenti.
Le strategie di apprendimento supervisionato possono essere ulteriormente classificate sia in funzione del fatto che gli attributi di output siano categorici (classificazione) piuttosto che discreti o continui (stima), sia in funzione del fatto che i modelli siano progettati per determinare una condizione corrente (interpretazione) piuttosto che per predire una situazione futura (previsione).