199
ettiradigan shablonlarni yaratish mumkin bo‘lsa, ularning
yordamida kelajakda
tizimning holatini taxmin qilish mumkin. 3.3.4 –rasmda Data Mining
texnologiyasini qo‘llashning to‘liq davri ko‘rsatilgan.
Data Mining ning muhim holati — shablonlar bo‘yicha qidirilayotgan
qonunchilikning noaniqligidir.
Bu shuni anglatadiki, ular yashirin bilimlar
(Hidden Knowledge) deb ataladigan ma’lumotlar tarkibida aniq bo‘lmagan,
kutilmagan (Unexpected) doimiylikni aks ettirishlari shart. Ishbilarmon kishilar
“xom” ma’lumotlar (Raw Data) chuqur bilimlar qatlamiga egaligi va uni
savodli
o‘rganishda “haqiqiy tug‘ma qobiliyat”aniqlanishi mumkinligi va undan raqobat
kurashida foydalanish mumkinligi haqida tushunib etishdi.
3.3.4-ras m. Data Mining технологиясини қўллаш циклик схемаси
Data Mining amaliy statistika, ko‘rinishlarni aniqlash, sun’iy bilim usullari,
ma’lumotlar bazasi nazariyasi va boshqalarga erishish
asosida yuzaga kelgan va
rivojlangan multi fanlar sohasi hisoblanadi
(3.3
.5-rasm). Bu erda Data Mining
200
ning turli faoliyatidagi tizimlarida amalga oshirilgan usul va algoritmlar ko‘p
[Dyuk V. A.
www.inftech.webservis.ru/it/data
mining/ar2.htmlj.
Data Mining usuli yordamida aniqlangan qonuniylikning
beshta standart
turini sanab o‘tish mumkin: assotsiatsiya, izchillik, tasnif,
klasterizatsiya i
prognozlash.
Assotsiatsiya bir nechta voqelik bir-biri bilan bog‘liq bo‘lganda qo‘llaniladi.
Masalan, kompyuter supermarketida olib borilgan tadqiqot 55% kompter
xaridorlari printer yoki skaner sotib olishadi; xuddi
shunday printer komplekti
chegirmalarga ega bo‘lganda 80% holatda sotib olinishini ko‘rsatishi mumkin.
O‘xshash bog‘liqlik haqida ma’lumotlarni joylashda, menedjerlarga taklif
etilayotgan chegirmalarning qanchalik foydaliligini baholash oson.
