ഡാറ്റാ മൈനിങ്ങ്

ഇംഗ്ലീഷ് വിലാസം

https://ml.wikipedia.org/wiki/Data_mining

Machine learning and data mining
Problems Classification Clustering Regression Anomaly detection AutoML Association rules Reinforcement learning Structured prediction Feature engineering Feature learning Online learning Semi-supervised learning Unsupervised learning Learning to rank Grammar induction
Supervised learning (classification • regression) Decision trees Ensembles Bagging Boosting Random forest k-NN Linear regression Naive Bayes Artificial neural networks Logistic regression Perceptron Relevance vector machine (RVM) Support vector machine (SVM)
Clustering BIRCH CURE Hierarchical k-means Expectation–maximization (EM) DBSCAN OPTICS Mean-shift
Dimensionality reduction Factor analysis CCA ICA LDA NMF PCA t-SNE
Structured prediction Graphical models Bayes net Conditional random field Hidden Markov
Anomaly detection k-NN Local outlier factor
Artificial neural networks Autoencoder Deep learning DeepDream Multilayer perceptron RNN LSTM GRU Restricted Boltzmann machine GAN SOM Convolutional neural network U-Net
Reinforcement learning Q-learning SARSA Temporal difference (TD)
Theory Bias–variance dilemma Computational learning theory Empirical risk minimization Occam learning PAC learning Statistical learning VC theory
Machine-learning venues NIPS ICML ML JMLR ArXiv:cs.LG
Glossary of artificial intelligence Glossary of artificial intelligence
Related articles List of datasets for machine-learning research Outline of machine learning
ക സ തി

നിർവ്വചിക്കപ്പെട്ട സമീപനങ്ങളുടേയും അൽഗോരിതങ്ങളുടേയും സഹായത്താൽ ഒരു ദത്തശേഖരത്തിലെ പ്രസക്തശ്രേണികൾ കണ്ടെത്തുകയും നിലവിലുള്ളതും മുൻപുള്ളതുമായ ദത്തങ്ങളെ അപഗ്രഥിച്ച് ഭാവി പ്രവണതകൾ പ്രവചിക്കുകയും ചെയ്യുന്ന സ്വയംപ്രേരിതപ്രവർത്തനമാണ് ഡാറ്റാ മൈനിംഗ്.(ദത്ത ഖനനം) ^[1]ഒരു വലിയ വിവരശേഖരത്തിൽ നിന്നും മാതൃകകൾ കണ്ടുപിടിക്കുന്ന പ്രക്രിയ ആണ് ഡാറ്റാ മൈനിങ്ങ്. ഒരു വിവരശേഖരത്തിൽ നിന്നും വിവരം വേർതിരിച്ചെടുത്ത് അവ ഭാവിയിൽ ഉപയോഗിക്കുന്നതിനു വേണ്ടി മനസ്സിലാക്കാൻ പറ്റുന്ന രൂപത്തിലേക്ക് മാറ്റിയെടുക്കുക എന്നതാണ് ഡാറ്റാ മൈനിങ്ങിന്റെ ലക്ഷ്യം."ദത്തശേഖരത്തിൽ നിന്നും വിവരം കണ്ടുപിടിക്കൽ" പ്രക്രിയയുടെ അപഗ്രഥന സ്റ്റെപ്പാണു ഡാറ്റാ മൈനിങ്ങ്.
വിവിധ സംഘടനകളേയും സ്ഥാപനങ്ങളേയും ഇതുവഴി വിജ്ഞാനവും മുന്നേ നിശ്ചയിക്കപ്പെട്ട തയ്യാറാക്കപ്പെട്ട ചോദ്യോത്തരങ്ങളും രൂപപ്പെടുത്താൻ ഇത് സജ്ജമാക്കുന്നു.

പുതുതായി വരുന്ന പ്രശ്നങ്ങൾ അല്ലെങ്കിൽ സാഹചര്യങ്ങൾ അപഗ്രഥിക്കുവാൻ ഡാറ്റാ മൈനിങ്ങ് മുൻപ് സജ്ജീകരിച്ച വിവരങ്ങൾ ഉപയോഗിക്കുന്നു.

ഡേറ്റാ മൈനിങ്ങിനായി പല സാങ്കേതിക വിദ്യകളും ഉപയോഗിക്കുന്നുണ്ട്. അവയിൽ പ്രധാനപ്പെട്ടവയാണ് OLAP (Online analytical processing)