Data mining

                                                                        

Data mining (the analysis step of the "Knowledge Discovery in Databases" process, or KDD), an interdisciplinary subfield of computer science, is the computational process of discovering patterns in large data sets involving methods at the intersection of artificial intelligence, machine learning, statistics, and database systems. The overall goal of the data mining process is to extract information from a data set and transform it into an understandable structure for further use. Aside from the raw analysis step, it involves database and data management aspects, data pre-processing, model andinference considerations, interestingness metrics, complexity considerations, post-processing of discovered structures, visualization, and online updating.

The term is a misnomer, because the goal is the extraction of patterns and knowledge from large amount of data, not the extraction of data itself. It also is a buzzword and is frequently applied to any form of large-scale data or information processing (collection, extraction, warehousing, analysis, and statistics) as well as any application of computer decision support system, including artificial intelligence, machine learning, and business intelligence. The popular book "Data mining: Practical machine learning tools and techniques with Java" (which covers mostly machine learning material) was originally to be named just "Practical machine learning", and the term "data mining" was only added for marketing reasons. Often the more general terms "(large scale) data analysis", or "analytics" – or when referring to actual methods, artificial intelligence and machine learning – are more appropriate.

The actual data mining task is the automatic or semi-automatic analysis of large quantities of data to extract previously unknown, interesting patterns such as groups of data records (cluster analysis), unusual records (anomaly detection), and dependencies (association rule mining). This usually involves using database techniques such as spatial indices. These patterns can then be seen as a kind of summary of the input data, and may be used in further analysis or, for example, in machine learning and predictive analytics. For example, the data mining step might identify multiple groups in the data, which can then be used to obtain more accurate prediction results by a decision support system. Neither the data collection, data preparation, nor result interpretation and reporting are part of the data mining step, but do belong to the overall KDD process as additional steps.

See more: https://en.wikipedia.org/wiki/Data_mining

Data Mining Add-ins (extraer datos de Microsoft Excel)

 

Escrito por Carlos Fernández Muriano en Excel y etiquetada con Data Mining, Excel 30 de agosto de 2013

 

 

i

 

 

 

Data Mining es (la etapa de análisis del “Descubrimiento de Conocimiento en Bases de Datos” proceso o KDD), ^[1] un subcampo interdisciplinario de ciencias de la computación , ^[2][3][4] es el proceso de cálculo de descubrir patrones en grandes conjuntos de datos involucra métodos en la intersección de la inteligencia artificial , aprendizaje automático , las estadísticas y los sistemas de bases de datos . ^[2] El objetivo general del proceso de minería de datos consiste en extraer información de un conjunto de datos y la transforman en una estructura comprensible para su uso posterior. ^{[2 ]} Aparte de la etapa de análisis crudo, se trata de bases de datos y gestión de datos de los aspectos, los datos de pre-procesamiento , el modelo y la inferencia consideraciones, métricas Intereses, complejidad consideraciones, el procesamiento posterior de las estructuras descubiertas, la visualización y actualización en línea . ^[2]
La tarea de minería de datos real es el análisis automático o semi-automático de grandes cantidades de datos para extraer patrones interesantes hasta ahora desconocidos, como los grupos de registros de datos ( análisis de conglomerados ), registros inusuales ( detección de anomalías ) y dependencias ( minería de reglas de asociación ). This usually involves using database techniques such as spatial indices . Esto generalmente implica el uso de técnicas de bases de datos tales como índices espaciales . These patterns can then be seen as a kind of summary of the input data, and may be used in further analysis or, for example, in machine learning and predictive analytics . Estos patrones pueden ser vistos como una especie de resumen de los datos de entrada, y pueden ser utilizados en otros análisis o, por ejemplo, en el aprendizaje de la máquina y la analítica predictiva . For example, the data mining step might identify multiple groups in the data, which can then be used to obtain more accurate prediction results by a decision support system . Por ejemplo, el paso de la minería de datos puede identificar varios grupos en los datos, que luego se pueden utilizar para obtener los resultados de predicción más precisa por un sistema de soporte de decisión . Neither the data collection, data preparation, nor result interpretation and reporting are part of the data mining step, but do belong to the overall KDD process as additional steps. Ni la recopilación de datos, la preparación de datos, ni interpretación de los resultados y la presentación de informes son parte de la etapa de extracción de datos, pero no pertenecen al proceso general KDD como pasos adicionales.
La tarea de minería de datos real es el análisis automático o semi-automático de grandes cantidades de datos para extraer patrones interesantes hasta ahora desconocidos, como los grupos de registros de datos ( análisis de conglomerados ), registros inusuales ( detección de anomalías ) y dependencias ( minería de reglas de asociación ). This usually involves using database techniques such as spatial indices . Esto generalmente implica el uso de técnicas de bases de datos tales como índices espaciales . These patterns can then be seen as a kind of summary of the input data, and may be used in further analysis or, for example, in machine learning and predictive analytics . Estos patrones pueden ser vistos como una especie de resumen de los datos de entrada, y pueden ser utilizados en otros análisis o, por ejemplo, en el aprendizaje de la máquina y la analítica predictiva . For example, the data mining step might identify multiple groups in the data, which can then be used to obtain more accurate prediction results by a decision support system . Por ejemplo, el paso de la minería de datos puede identificar varios grupos en los datos, que luego se pueden utilizar para obtener los resultados de predicción más precisa por un sistema de soporte de decisión . Neither the data collection, data preparation, nor result interpretation and reporting are part of the data mining step, but do belong to the overall KDD process as additional steps. Ni la recopilación de datos, la preparación de datos, ni interpretación de los resultados y la presentación de informes son parte de la etapa de extracción de datos, pero no pertenecen al proceso general KDD como pasos adicionales.

 

SQL Server Data Mining Microsoft Add-ins, para Microsoft Office 2007 y 2010 le ayudará a sacar los patrones y tendencias que existen en los datos complejos, visualizar los patrones en los gráficos y visores interactivos, y generar riqueza, resúmenes de colores para la presentación y de análisis de negocios. Estos complementos utilizan los análisis predictivos de SQL Server en Microsoft Excel y Microsoft Office Visio.
NOTA En este momento, los complementos están disponibles sólo para la versión de 32 bits de Microsoft Office.
En este artículo
________________________________________
click en:
• Download the SQL Server Data Mining Add-ins
• Compatibility with the PowerPivot Add-in for Excel
• Additional Information
________________________________________
http://office.microsoft.com/en-us/excel-help/data-mining-add-ins-HA010342915.aspx

 

Data Mining Add-ins (Extract Data for Microsoft Excel)

 

The Microsoft SQL Server Data Mining Add-ins for Microsoft Office 2007 and 2010 can help you derive patterns and trends that exist in complex data, visualize those patterns in charts and interactive viewers, and generate rich, colorful summaries for presentation and for business analytics. These add-ins utilize the predictive analytics of SQL Server in Microsoft Excel and Microsoft Office Visio.

 Note    At this time, the add-ins are only available for the 32-bit version of Microsoft Office.

In this article

---

·         Download the SQL Server Data Mining Add-ins

·         Compatibility with the PowerPivot Add-in for Excel

·         Additional Information

---

http://office.microsoft.com/en-us/excel-help/data-mining-add-ins-HA010342915.aspx