Questo sito utilizza cookie di terze parti per inviarti pubblicità in linea con le tue preferenze. Se vuoi saperne di più clicca QUI 
Chiudendo questo banner, scorrendo questa pagina, cliccando su un link o proseguendo la navigazione in altra maniera, acconsenti all'uso dei cookie. OK

Implementazione di un Query Language per Knowledge Discovery

L'anteprima di questa tesi è scaricabile in PDF gratuitamente.
Per scaricare il file PDF è necessario essere iscritto a Tesionline.
L'iscrizione non comporta alcun costo. Mostra/Nascondi contenuto.

1.1 – Settori applicativi del KDD 13 1.2 Il processo KDD Il processo di acquisizione di conoscenze da dati può essere scomposto in 4 passi che sono mostrati in figura 1.1. Come si può osservare, adottiamo la convenzione che il Data Mining si riferisca all’estrazione di patterns o modelli dai dati e, costituisca quindi solo un passo del processo KDD. Non ci si preoccupi per il momento dei concetti di pattern o modello; questi concetti saranno concretizzati nel paragrafo 1.3 quando tratteremo in dettaglio la fase di DM. Basti sapere, al momento, che un modello denota una qualche rappresentazione astratta di un sottoinsieme di dati. Figura 1.1 – Il processo KDD Il processo è interattivo in quanto necessita di un intervento umano su alcune decisioni, soprattutto sulla fase di DM durante la scelta del modello di dati da utilizzare e dell’algoritmo specifico. Consolidamento dei dati Selezione e preprocessing Data Mining Interpretazione e valutazione Sorgenti Dati Dati consolidati Dati preparati Patterns e modelli warehouse Conoscenza

Anteprima della Tesi di Andrea Romei

Anteprima della tesi: Implementazione di un Query Language per Knowledge Discovery, Pagina 13

Tesi di Laurea

Facoltà: Scienze Matematiche, Fisiche e Naturali

Autore: Andrea Romei Contatta »

Composta da 231 pagine.

 

Questa tesi ha raggiunto 1054 click dal 10/06/2004.

Disponibile in PDF, la consultazione è esclusivamente in formato digitale.