ความแตกต่างระหว่าง Descriptive และ Predictive Data Mining

Descriptive Data Mining (การขุดข้อมูลเชิงรรทะ)

Descriptive mining ใช้ correlation, cross-tabulation, frequency, เป็นต้น วิธีเหล่านี้ decide data's regularities และ reveal patterns เน้น summarization และ conversion ของ records เป็น meaningful information สำหรับ reporting และ monitoring

Descriptive mining "describes" data เมื่อ capture data แล้ว transform เป็น human interpretable form ใน descriptive data mining association technique ใช้ Apriori algorithms characterize student performance หา co-relations ระหว่าง set of items

Apriori algorithm ใช้ใน database ที่มี academic records ของนักศึกษาหลายคน พยายาม extract association rules เพื่อ profile students ตาม parameters: exam scores, term work grades, attendance, practical

Predictive Data Mining (การขุดข้อมูลเชิงพยากรณ์)

'Predictive' หมายถึง predict something ดังนั้น predictive data mining คือ analysis เพื่อ predict future events, data, หรือ trends Predictive data mining ให้ business analysts ทำ decisions และ add value ให้ analytics team efforts ให้ predictive analytics (ใช้ data ทำนาย outcomes)

Main goal: predict future results มากกว่า current behavior รวม supervised learning functions สำหรับ prediction ของ target value

Approaches: classification, time-sequence analysis, regression Data modeling เป็น fundamental ของ predictive analysis ทำงานโดยใช้ variables บางตัว anticipate unknown future data values สำหรับ variables อื่นๆ

เพิ่มเติม conduct comparison ระหว่าง supervised learning methods เพื่อ prescience เกี่ยวกับ strengths และ weaknesses ทั้งกระบวนการ implement เพื่อ discover most suitable techniques สำหรับ extracting desired knowledge

Comparison: Descriptive vs Predictive Data Mining