Algoritmi PredittiviData Mining

Algoritmi Data Mining

datamining

Nella costruzione dei modelli di data mining bisogna scegliere gli algoritmi di calcolo in relazione al problema da risolvere.

Scelta di un algoritmo in base all’attività

Per facilitare la selezione di un algoritmo da utilizzare con un’attività specifica, nella tabella seguente sono disponibili suggerimenti sui tipi di attività per cui ciascun algoritmo viene utilizzato in modo tradizionale.

Esempi di attività Algoritmo Microsoft da utilizzare
Stima di un attributo discreto:

Contrassegnare i clienti in un elenco di potenziali acquirenti come buone o scarse possibilità.

Calcolare la probabilità di un errore del server entro i prossimi sei mesi.

Suddividere in categorie i risultati dei pazienti ed esplorare i fattori correlati.

Algoritmo Microsoft Decision Trees

 Algoritmo Microsoft Naive Bayes

 Algoritmo Microsoft Clustering

 Algoritmo Microsoft Neural Network

Stima di un attributo continuo:

Prevedere le vendite del prossimo anno.

Stimare i visitatori del sito in base a tendenze storiche passate e stagionali.

Generare un punteggio di rischio in base ai dati demografici.

Algoritmo Microsoft Decision Trees

 Algoritmo Microsoft Time Series

 Algoritmo Microsoft Linear Regression

Stima di una sequenza:

Eseguire un’analisi clickstream del sito Web di una società.

Analizzare i fattori che portano a un errore del server.

Acquisire e analizzare sequenze di attività durante le visite dei pazienti in uscita, per formulare le procedure consigliate circa le attività comuni.

Algoritmo Microsoft Sequence Clustering
Ricerca di gruppi di elementi comuni nelle transazioni:

Utilizzare Market basket analysis per determinare la posizione del prodotto.

Suggerire prodotti aggiuntivi a un cliente per l’acquisto.

Analizzare i dati dei sondaggi provenienti dai visitatori a un evento, per scoprire quali attività o stand fossero correlati, per pianificare le attività future.

Algoritmo Microsoft Association Rules

 Algoritmo Microsoft Decision Trees

Ricerca di gruppi di elementi simili:

Creare gruppi di profili di rischi dei pazienti in base ad attributi quali i dati demografici e i comportamenti.

Analizzare gli utenti esplorando e comprando modelli.

Identificare i server che dispongono di caratteristiche di utilizzo simili.

Algoritmo Microsoft Clustering

 Algoritmo Microsoft Sequence Clustering

Lascia un commento

Il tuo indirizzo email non sarà pubblicato. I campi obbligatori sono contrassegnati *