KDD dhidi ya uchimbaji wa data
KDD (Ugunduzi wa Maarifa katika Hifadhidata) ni fani ya sayansi ya kompyuta, ambayo inajumuisha zana na nadharia za kuwasaidia wanadamu katika kupata taarifa muhimu na zisizojulikana hapo awali (yaani maarifa) kutoka kwa mikusanyo mikubwa ya data ya dijitali. KDD ina hatua kadhaa, na Uchimbaji Data ni mojawapo. Uchimbaji Data ni matumizi ya algoriti mahususi ili kupata ruwaza kutoka kwa data. Hata hivyo, KDD na Data Mining zinatumika kwa kubadilishana.
KDD ni nini?
Kama ilivyotajwa hapo juu, KDD ni fani ya sayansi ya kompyuta, ambayo inahusika na uchimbaji wa taarifa zisizojulikana na za kuvutia kutoka kwa data ghafi hapo awali. KDD ni mchakato mzima wa kujaribu kuleta maana ya data kwa kutengeneza mbinu au mbinu zinazofaa. Mchakato huu unashughulika na uchoraji ramani wa data ya kiwango cha chini katika aina nyinginezo ambazo ni fupi zaidi, dhahania na muhimu zaidi. Hili linaafikiwa kwa kuunda ripoti fupi, kuiga mchakato wa kutoa data na kutengeneza miundo ya ubashiri ambayo inaweza kutabiri kesi za siku zijazo. Kwa sababu ya ukuaji mkubwa wa data, hasa katika maeneo kama vile biashara, KDD imekuwa mchakato muhimu sana wa kubadilisha utajiri huu mkubwa wa data kuwa akili ya biashara, kwa kuwa uchimbaji wa muundo kwa mikono umekuwa unaonekana kutowezekana katika miongo michache iliyopita. Kwa mfano, kwa sasa inatumika kwa matumizi mbalimbali kama vile uchambuzi wa mitandao ya kijamii, kugundua ulaghai, sayansi, uwekezaji, utengenezaji, mawasiliano ya simu, kusafisha data, michezo, kurejesha taarifa na kwa kiasi kikubwa kwa ajili ya masoko. KDD kwa kawaida hutumiwa kujibu maswali kama vile ni bidhaa gani kuu ambazo zinaweza kusaidia kupata faida kubwa mwaka ujao katika Wal-Mart?Utaratibu huu una hatua kadhaa. Huanza kwa kukuza uelewa wa kikoa cha programu na lengo na kisha kuunda mkusanyiko wa data unaolengwa. Hii inafuatwa na kusafisha, usindikaji wa awali, kupunguza na makadirio ya data. Hatua inayofuata ni kutumia Uchimbaji Data (ilivyoelezwa hapa chini) ili kutambua muundo. Hatimaye, maarifa yaliyogunduliwa huunganishwa kwa kuibua na/au kutafsiri.
Uchimbaji Data ni nini?
Kama ilivyotajwa hapo juu, Uchimbaji Data ni hatua tu ndani ya mchakato wa jumla wa KDD. Kuna malengo mawili makuu ya Uchimbaji Data kama yalivyofafanuliwa na lengo la maombi, nayo ni uthibitishaji au ugunduzi. Uthibitishaji ni kuthibitisha dhana ya mtumiaji kuhusu data, ilhali ugunduzi ni kupata ruwaza zinazovutia kiotomatiki. Kuna kazi nne kuu za uchimbaji data: kuunganisha, uainishaji, regression, na muungano (muhtasari). Kuunganisha ni kutambua vikundi sawa kutoka kwa data isiyo na muundo. Uainishaji ni kanuni za kujifunza ambazo zinaweza kutumika kwa data mpya. Regression ni kupata chaguo za kukokotoa zilizo na hitilafu ndogo kwa data ya mfano. Na ushirika unatafuta uhusiano kati ya anuwai. Kisha, algorithm maalum ya uchimbaji wa data inahitaji kuchaguliwa. Kulingana na lengo, algoriti tofauti kama vile rejeshi la mstari, urejeshaji wa vifaa, miti ya maamuzi na Naïve Bayes zinaweza kuchaguliwa. Kisha mifumo ya maslahi katika fomu moja au zaidi ya uwakilishi hutafutwa. Hatimaye, miundo inatathminiwa kwa kutumia usahihi wa ubashiri au kueleweka.
Kuna tofauti gani kati ya KDD na Data mining?
Ingawa, maneno mawili KDD na Uchimbaji Data yanatumika sana kwa kubadilishana, yanarejelea dhana mbili zinazohusiana lakini tofauti kidogo. KDD ni mchakato wa jumla wa kupata maarifa kutoka kwa data ilhali Uchimbaji Data ni hatua ndani ya mchakato wa KDD, ambao unahusika na kutambua ruwaza katika data. Kwa maneno mengine, Uchimbaji Data ni utumizi tu wa algoriti maalum kulingana na lengo la jumla la mchakato wa KDD.
