06/07/2015 ConceitoseTcnicassobreDataMining
http://www.devmedia.com.br/conceitosetecnicassobredatamining/19342 1/12
Buscar
comentrios favorito marcar como lido para impresso anotar
Conceitos e Tcnicas sobre DataMining
Este artigo tem como objetivo introduzir os conceitosbsicos sobre a tecnologia Data Mining - Minerao deDados.
Gostei(2) (0)
DATAMINING
JeffersonRibeirodeCarvalho
0 3Curtir6
06/07/2015 ConceitoseTcnicassobreDataMining
http://www.devmedia.com.br/conceitosetecnicassobredatamining/19342 2/12
AlunodoCursodePsGraduaoemBancodeDadosRelacionais
UNEBUnioEducacionaldeBraslia
email:[email protected],
RESUMO:Desdequeainformticatomoucontadenossasvidas,imensos
volumesdeinformaotmsidosistematicamentecoletadosearmazenados.A
simplesarmazenagemerecuperaodessainformaojtrazumgrande
benefcio,poisagorajnomaisnecessrioprocurarinformaoem
volumososeineficazesarquivosdepapel.Contudo,apenasrecuperar
informaonopropiciatodasasvantagenspossveis.OprocessodeData
Miningpermitequeseinvestigueessesdadosprocuradepadresquetenham
valorparaaempresa.Nestepequenoartigopretendemosexporalgunsdos
principaisconceitosqueestoportrsdessaimportantetecnologia.
IINTRODUO
DataMiningumadasnovidadesdaCinciadaComputaoqueveioparaficar.Com
ageraodeumvolumecadavezmaiordeinformao,essencialtentaraproveitaro
LOGIN
06/07/2015 ConceitoseTcnicassobreDataMining
http://www.devmedia.com.br/conceitosetecnicassobredatamining/19342 3/12
mximopossveldesseinvestimento.Talvezaformamaisnobredeseutilizaresses
vastosrepositriossejatentardescobrirsehalgumconhecimentoescondidoneles.
Umbancodedadosdetransaescomerciaispode,porexemplo,conterdiversos
registrosindicandoprodutosquesocompradosemconjunto.Quandosedescobre
issopodeseestabelecerestratgiasparaotimizarosresultadosfinanceirosda
empresa.Essajumavantagemsuficientementeimportanteparajustificartodoo
processo.
IIDEFINIOEOBJETIVOS
DataMiningconsisteemumprocessoanalticoprojetadoparaexplorargrandes
quantidadesdedados(tipicamenterelacionadosanegcios,mercadooupesquisas
cientficas),nabuscadepadresconsistentese/ourelacionamentossistemticosentre
variveise,ento,validlosaplicandoospadresdetectadosanovossubconjuntosde
dados.Oprocessoconsistebasicamenteem3etapas:explorao,construode
modelooudefiniodopadroevalidao/verificao.
ApremissadoDataMiningumaargumentaoativa,isto,emvezdousuriodefinir
oproblema,selecionarosdadoseasferramentasparaanalisartaisdados,as
ferramentasdoDataMiningpesquisamautomaticamenteosmesmosaprocurade
anomaliasepossveisrelacionamentos,identificandoassimproblemasquenotinham
sidoidentificadospelousurio.
06/07/2015 ConceitoseTcnicassobreDataMining
http://www.devmedia.com.br/conceitosetecnicassobredatamining/19342 4/12
Figura1.PassosdoDataMining
Emoutraspalavras,asferramentasdeDataMininganalisamosdados,descobrem
problemasouoportunidadesescondidasnosrelacionamentosdosdados,eento
diagnosticamocomportamentodosnegcios,requerendoamnimaintervenodo
usurio.Assim,elesededicarsomenteairembuscadoconhecimentoeproduzir
maisvantagenscompetitivas.
Comopodemosver,asferramentasdeDataMining,baseadasemalgoritmosque
formaaconstruodeblocosdeintelignciaartificial,redesneurais,regrasdeinduo,
elgicadepredicados,somentefacilitameauxiliamotrabalhodosanalistasde
06/07/2015 ConceitoseTcnicassobreDataMining
http://www.devmedia.com.br/conceitosetecnicassobredatamining/19342 5/12
negciodasempresas,ajudandoasmesmasaconseguiremseremmaiscompetitivas
emaximizaremseuslucros.
IIIPRINCIPAISTCNICASDEDATAMINING
ODataMining(DM)descendefundamentalmentede3linhagens.Amaisantigadelas
aestatsticaclssica.SemaestatsticanoseriapossveltermosoDM,vistoquea
mesmaabasedamaioriadastecnologiasapartirdasquaisoDMconstrudo.
AsegundalinhagemdoDMaIntelignciaArtificial(IA).Essadisciplina,que
construdaapartirdosfundamentosdaheurstica,emopostoestatstica,tentaimitar
amaneiracomoohomempensanaresoluodosproblemasestatsticos.
EaterceiraeltimalinhagemdoDMachamadamachinelearning,quepodeser
melhordescritacomoocasamentoentreaestatsticaeaIntelignciaArtificial.
EnquantoaIntelignciaArtificialnosetransformavaemsucessocomercial,suas
tcnicasforamsendolargamentecooptadaspelamachinelearning,quefoicapazde
sevalerdassemprecrescentestaxasdepreo/performanceoferecidaspelos
computadoresnosanos80e90,conseguindomaisemaisaplicaesdevidossuas
combinaesentreheursticaeanliseestatstica.Machinelearningumadisciplina
cientficaquesepreocupacomodesignedesenvolvimentodealgoritmosque
permitemqueoscomputadoresaprendamcombaseemdados,comoapartirdedados
dosensoroubancosdedados.UmdosprincipaisfocosdaMachineLearnig
06/07/2015 ConceitoseTcnicassobreDataMining
http://www.devmedia.com.br/conceitosetecnicassobredatamining/19342 6/12
automatizaroaprendizadoparareconhecerpadrescomplexosetomardecises
inteligentesbaseadasemdados.[1]
ODMumcampoquecompreendeatualmentemuitasramificaesimportantes.
Cadatipodetecnologiatemsuasprpriasvantagensedesvantagens,domesmo
modoquenenhumaferramentaconsegueatendertodasasnecessidadesemtodasas
aplicaes.
ExisteminmerasramificaesdeDataMining,sendoalgumasdelas:
Redesneurais:sosistemascomputacionaisbaseadosnumaaproximao
computaobaseadaemligaes.Nssimples(ou"neures","neurnios",
"processadores"ou"unidades")sointerligadosparaformarumarededensdao
termo"redeneural".Ainspiraooriginalparaestatcnicaadvmdoexamedas
estruturasdocrebro,emparticulardoexamedeneurnios.Exemplosdeferramentas:
SPSSNeuralConnection,IBMNeuralNetworkUtility,NeuralWareNeuralWorkPredict.
Induoderegras:aInduodeRegras,ouRuleInduction,referesedetecode
tendnciasdentrodegruposdedados,ouderegrassobreodado.Asregrasso,
ento,apresentadasaosusurioscomoumalistanoencomendada.Exemplosde
ferramentas:IDISdaInformationDiscoveyeKnowledgeSeekerdaAngossSoftware.
06/07/2015 ConceitoseTcnicassobreDataMining
http://www.devmedia.com.br/conceitosetecnicassobredatamining/19342 7/12
rvoresdedeciso:baseiamsenumaanlisequetrabalhatestando
automaticamentetodososvaloresdodadoparaidentificaraquelesquesofortemente
associadoscomositensdesadaselecionadosparaexame.Osvaloresqueso
encontradoscomforteassociaosoosprognsticoschavesoufatoresexplicativos,
usualmentechamadosderegrassobreodado.Exemplosdeferramentas:AlicedIsoft,
BusinessObjectsBusinessMiner,DataMind.
Analisedesriestemporais:aestatsticaamaisantigatecnologiaemDM,e
partedafundaobsicadetodasasoutrastecnologias.Elaincorporaum
envolvimentomuitofortedousurio,exigindoengenheirosexperientes,paraconstruir
modelosquedescrevemocomportamentododadoatravsdosmtodosclssicosde
matemtica.Interpretarosresultadosdosmodelosrequerexpertiseespecializada.O
usodetcnicasdeestatsticatambmrequerumtrabalhomuitofortede
mquinas/engenheiros.Aanlisedesriestemporaisumexemplodisso,apesarde
freqentementeserconfundidacomoumgneromaissimplesdeDMchamado
forecasting(previso).Exemplosdeferramentas:S+,SAS,SPSS.
Visualizao:mapeiaodadosendomineradodeacordocomdimenses
especificadas.NenhumaanliseexecutadapeloprogramadeDMalmde
manipulaoestatsticabsica.Ousurio,ento,interpretaodadoenquantoolhapara
omonitor.Oanalistapodepesquisaraferramentadepoisparaobterdiferentesvises
ououtrasdimenses.Exemplosdeferramentas:IBMParallelVisualExplorer,SAS
System,AdvencedVisualSystems(AVS)ExpressVisualizationEdition.
06/07/2015 ConceitoseTcnicassobreDataMining
http://www.devmedia.com.br/conceitosetecnicassobredatamining/19342 8/12
IVCONCLUSO
Nobreveespaodesteartigo,nossaprincipalmissofoiintroduzirumpoucodo
pensamentoqueestportrsdoDataMining.Obviamente,aindahmuitoasefalar
sobreoassunto(clustering,mtodosgenticos,mineraoemtextos,rollup/drilldown,
etc),masimportantenotarqueempraticamentetodosessescasosoquesedeseja
descobrirpadresemvolumesdedados.importanteressaltartambmqueoData
Miningnoofinaldaatividadededescobertadeconhecimentos,mastosomente
oincio.imprescindvel(aomenoscomatecnologiaatual)dispordeanalistas
capacitadosquesaibaminteragircomossistemasdeformaaconduzilosparauma
extraodepadresteiserelevantes.
VREFERNCIAS
[1]Wikipdia:http://en.wikipedia.org/wiki/Machine_learningacessadonodia
23/11/2010s09:20
http://conteudo.imasters.com.br/1446/datawarehouse.pptacessadonodia18/11/2010
s11:00
http://www.inf.ufsc.br/~ogliari/cursodedatamining.htmlacessadonodia19/09/2010s
15:24
http://www.intelliwise.com/reports/i2002.htmacessadonodia18/01/2011s10:21
http://conteudo.imasters.com.br/1446/datawarehouse.pptacessadonodia
06/07/2015 ConceitoseTcnicassobreDataMining
http://www.devmedia.com.br/conceitosetecnicassobredatamining/19342 9/12
Gostei(2) (0)
Oquevocachoudestepost?
Postardvida/Comentrio
20/01/2011s10:43
http://pt.wikipedia.org/wiki/Data_miningacessadoem19/08/2010s20:00
Waltz,DavidHong,SeJune(1999)DataMining:ALongTermDream.IEEEIntelligent
SystemsVol14,No.6.
Han,JiaweiChen,MingSyanYu,PhilipS.(1996)DataMining:AnOverviewfrom
DatabasePerspective
JeffersonRibeiroDeCarvalho
Perfilprofissional:Competente,pontual,persistente,sintetizadordeidias,buscacompreenderesercompreendido.Tenhoosmeusobjetivosprofissionaiscomoprimordiais,buscandosemprearealizaodemercadodaempres[...]
+ MaiscontedosobreBancodedados
Todososcomentarios(1)Meuscomentarios
06/07/2015 ConceitoseTcnicassobreDataMining
http://www.devmedia.com.br/conceitosetecnicassobredatamining/19342 10/12
[autor]JeffersonRibeiroDeCarvalhoMuitobomesteartigo
[h+1ano]Responder
Publicidade
Mais postsArtigo
Elasticsearch: Como gerenciar logs com Logstash
Video aula
Conhecendo o Code Editor Curso Completo MySQL Aula23
Video aula
Gesto de Objetos de Banco de Dados Curso CompletoMySQL Aula 22
Video aula
Recursos para desenvolvedores de banco de dados CursoCompleto MySQL Aula 21
06/07/2015 ConceitoseTcnicassobreDataMining
http://www.devmedia.com.br/conceitosetecnicassobredatamining/19342 11/12
Video aula
Gesto de Instncia e Configuraes do Servidor - CursoCompleto de MySQL - Aula 20
Video aula
Conhecendo a IDE e Gerenciando Servidor - Curso Completode MySQL - Aula 19
Video aula
Atualizando a Ferramenta e Configurando uma Instncia -Curso Completo de MySQL - Aula 18
Video aula
Aula Final - Curso Modelagem de Dados - Aula 40
Video aula
Usando MongoDB com .NET - Curso de MongoDB - Aula 18
Listar mais contedo
Anuncie | Loja | Publique | Assine | Faleconosco
06/07/2015 ConceitoseTcnicassobreDataMining
http://www.devmedia.com.br/conceitosetecnicassobredatamining/19342 12/12
HospedagemwebporPorta80WebHosting
Sejaoprimeirodeseusamigosacurtirisso.
DevMedia68milcurtidasCurtirPgina
Top Related