データマイニングとしての実用科学

データマイニングは、さまざまな分野の交差点に位置します。 その根っこには、発見されたデータの分析技術は、当初は、メインのオブジェクトの研究は、統計情報。 基本的な考え方は、推定の基礎理論的には、分類、クラスタリング、サンプリング理論的には、実際にはまだ1つの主要な原料のデータマイニングします。 しかし、他の方法やテクニックを追加しましたツールのデータのアナリストは、延長の限界古典パラメトリック統計で、より複雑なモデル、満期に至るまでの彼らの状態で、実際の知識を決定木、ニューラルネットワーク、サポートベクトルマシンでは、わずか数に言及します。 加えて、整理する必要があるとのデータを管理する大規模な遺体は、コンピュータサイエンスの展開に必要なデータベースを管理するためのテクニックを、クエリの最適化、最適な符号化アルゴリズム、およびその他のタスクに専念するの情報を格納する記憶の中でのコンピュータやして効率的なアルゴリズムを実行します。

共通の商標であり、近代的なアプローチは、分類問題が生じたと推定形式のデータマイニング、数理最適化の問題として、整合性アルゴリズムを使用する技術を決定するために、これらの問題に最適なソリューションです。 このような方法論的な枠組みを強く支持してきたとされる応用数学オペレーションズリサーチ（または）は、科学的な規律の統合を特徴とする数学的理論と実践的な深い問題があります。 重要な証拠やデータマイニングの役割は、メソッドの最適化に貢献して非線形整数が与えられたとして、エラーの原因を解決しなければならない関数を最小化するために最適化列車ニューラルネットワークとサポートベクトルマシンとなります。 同じように、整数プログラミングや組み合わせの最適化に大きく使用されてきた問題を解決するの身分証明書の合成ルールに基づいたモデルや分類の選定に最適な大規模なデータセットのサブセットの機能を提供しています。

もかかわらず、その強い方法論的特性は、データマイニングを適用することはできません正常に深い理解を意味してそれぞれの固有の問題は、必要としていることが多いのカスタマイズ、既存のメソッドまたはアドホック技術の開発には、部分的に、既存のアルゴリズムに基づいています。 ある程度までは、本当の挑戦は、データマイニングは、開業医が顔を選択するには、さまざまな方法やアプローチの間で、最良のサービスを提供して1つのタスクの範囲を考慮して、妥協の間で頻繁に評価して選ばれたモデルの複雑さ汎化能力とします。