【数据挖掘】数据挖掘架构的类型和组成部分

数据挖掘是指从已经收集的数据中检测和提取新的模式。数据挖掘是统计学和计算机科学领域的融合，旨在发现超大数据集中的模式，然后将其转换为可理解的结构以供日后使用。

数据挖掘的体系结构：

基本工作：

1. 这一切都始于用户提出某些数据挖掘请求，然后这些请求被发送到数据挖掘引擎进行模式评估。
2. 这些应用程序试图使用已存在的数据库来查找查询的解决方案。
3. 然后提取的元数据被发送到数据挖掘引擎以进行适当的分析，数据挖掘引擎有时与模式评估模块交互以确定结果。
4. 然后，使用合适的接口以易于理解的方式将该结果发送到前端。

数据挖掘架构各部分的详细描述如下：

1. 数据源：数据库、万维网（WWW）和数据仓库是数据源的组成部分。这些来源中的数据可以是纯文本、电子表格或其他形式的媒体，如照片或视频。WWW是最大的数据来源之一。
2. 数据库服务器：数据库服务器包含准备处理的实际数据。它根据用户的请求执行处理数据检索的任务。
3. 数据挖掘引擎：它是数据挖掘架构的核心组件之一，可以执行各种数据挖掘技术，如关联、分类、特征化、聚类、预测等。
4. 模式评估模块：他们负责在数据中找到有趣的模式，有时他们还与数据库服务器交互，以产生用户请求的结果。
5. 图形用户界面：由于用户无法完全理解数据挖掘过程的复杂性，因此图形用户界面有助于用户与数据挖掘系统进行有效沟通。
6. 知识库：知识库是数据挖掘引擎的重要组成部分，在指导搜索结果模式方面非常有益。数据挖掘引擎有时也可以从知识库中获取输入。该知识库可以包含来自用户体验的数据。知识库的目的是使结果更加准确和可靠。

数据挖掘体系结构的类型：

• 无耦合：无耦合数据挖掘体系结构从特定数据源检索数据。它不使用数据库来检索数据，否则这是一种非常有效和准确的方法。数据挖掘的无耦合架构很差，仅用于执行非常简单的数据挖掘过程。
• 松散耦合：在松散耦合体系结构中，数据挖掘系统从数据库中检索数据并将数据存储在这些系统中。此挖掘适用于基于内存的数据挖掘体系结构。
• 半紧密耦合：它倾向于使用数据仓库系统的各种有利特性。它包括排序、索引和聚合。在这种体系结构中，可以将中间结果存储在数据库中以获得更好的性能。
• 紧密耦合：在该体系结构中，数据仓库被认为是其最重要的组件之一，其功能用于执行数据挖掘任务。此体系结构提供了可扩展性、性能和集成信息

数据挖掘的优势：

• 通过准确预测未来趋势，帮助预防未来的对手。
• 有助于做出重要决策。
• 将数据压缩为有价值的信息。
• 提供新的趋势和意想不到的模式。
• 帮助分析庞大的数据集。
• 帮助公司寻找、吸引和留住客户。
• 帮助公司改善与客户的关系。
• 协助公司根据某一产品的喜爱程度优化生产，从而为公司节省成本。

数据挖掘的缺点：

• 过度的工作强度需要高绩效的团队和员工培训。
• 大量投资的需求也可能被认为是一个问题，因为有时数据收集会消耗许多资源，而这些资源的成本很高。
• 缺乏安全性也可能使数据面临巨大风险，因为数据可能包含私人客户详细信息。
• 不准确的数据可能导致错误的输出。
• 庞大的数据库很难管理。