VERİ MADENCİLİĞİ

Sınıflayıcı ölçek, gözlem değerlerinin tek tek nitel kategori ya da sınıflara atanması so- nucu oluşan ölçektir. Daha önce verilen bir markette satılan ürünlerin türlerine göre sınıflanması örneğinde sınıflayıcı ölçek kullanılır. Cinsiyet sınıflaması veya hastaneye başvuran hastaların rahatsızlıklarına göre sınıflandırılması sınıflayıcı ölçeğe örnek ola- rak verilebilir.

Birimlerin sahip olduğu özelliklerin derecesinin belirlenerek sonuçların sayısal olarak ifade edilmesine ölçme adı verilir.

Eksik verinin tahmin edilmesi için kullanılan başlıca stratejiler aşağıda verilmiştir.

Eksik verinin el ile doldurulması; bu strateji zaman alıcıdır ve eksik verinin fazla

olduğu büyük veri kümelerinde kullanılması uygun değildir.

Eksik verinin tamamlanmasında genel bir sabitin kullanılması; tüm eksik verinin belirlenecek bir sabit değer ile değiştirilmesidir. Bu değişiklik uygulandığında veri madenciliği algoritmalarını olumsuz etkileyebilir. Bu nedenle basit bir strateji olmasına rağmen tercih edilmez.

Eksik verinin verinin özelliğin diğer veriler dikkate alınarak tamamlanması; bu stratejide eksik veri, aynı özelliğin eksik olmayan kayıtları göz önüne alınarak ortalama, medyan, mod gibi verinin tamamını temsil eden tek bir değer ile değiştirilir.

Eksik verinin kendi sınıfında yer alan değerlerin ortalaması ile tamamlanması; eksik verinin tamamlanması öncesinde veri üzerinde bir sınıflama çalışması yapılarak eksik verinin ait olduğu sınıflar belirlenir. Her eksik verinin bulunduğu sınıf eksik olmayan özellik verilerinin ortalaması ile tamamlanır.

Eksik verinin tamamlanmasında en uygun değerin kullanılması; eksik verinin bulunduğu özelliğin en uygun değeri regresyon yönteminin kullanıldığı sonuç çıkarmaya dayalı araçlar veya karar ağaçları kullanılarak belirlenebilir. Diğer stra- tejilere kıyasla bu strateji eksik veriyi tahmin etmede mevcut enformasyondan en fazla faydalanan yöntemdir. Bu nedenle en sık kullanılan stratejidir.

Ölçülen bir değerdeki hata veya hatalı veri toplama, veri girişi problemleri, teknolojik kısıtlar gibi yanlış nitelik değerleri gürültülü verinin olası nedenleridir.

Bölmeleme yöntemlerinde öncelikle veriler artan sırada sıralanır.

Aykırı değerler kümeleme analizi ile ortaya çıkarılabilir.

Şema birleştirme iki farklı kaynaktan gelen verilerin eşleştirilmesi için aynı varlıklar belirlenerek veriler şemalar yardımıyla birleştirilir.

X(norm)= (10-5)/(25-5)=0.25 olur

X(zskor)= (12-10)/4=2/4=0.50

Söz konusu amaçla yapılan bir çok işlem, bir bütün olarak veri hazırlama adını alır.

Cinsiyet, kategorik-nominal bir değişken türüdür.

Sınıf düzeyi tam sayılar alabileceğinden, integer bir değişken türüdür.

Veri setinde eksik verilerin el ile doldurulması, eğer veri setinde çok fazla kayıp veri var ise hemen çok zaman alıcı olacaktır, hem de yanlılığa, yanlış sonuçlara ulaşılmasına neden olabilecektir.

Veri setinde analiz sonuçlarını etkileyebilecek aykırı değerlerin olması, "gürültü" olarak adlandırılır.

Veri birleştirme işlemiyle farklı yerlerde olan veri setleri bir araya getirilerek, aynı amaçla kullanılmaya hazır hale getirilmiş olur.

Kümeleme, düzeltme işlemlerinde kullanılan bir metottur.

Veri setindeki en büyük ve en küçük sayılara dayalı olarak kullanılan yöntem ENK-ENB yöntemidir.

Değişkenlerin -3, +3 aralığındaki değerlere doğrusal dönüşüm işlemi, standart sapma ve artimetik ortalama ile yapılan  Z-skor işlemidir.

Sıkıştırma, veri indirgeme yöntemlerinden biridir.

Veri madeninde bulunan veri insan tarafından oluşturulmuş bir bilgisayar dosyasından, verileri tasarlamak ve yönetmek için kullanılan bir işletme veri tabanı yönetim sisteminden, standart bir veri tabanı sisteminden, otomatik bilgi kaydı oluşturan bir araçtan, uydu üzerinden ve bunlara benzer şekilde kaynaklardan gelmiş olabilir. Farklı kaynaklardan gelen veri geliş kaynağının özelliğine göre çok çeşitli yapılarda, şekillerde ve tiplerde bulunabilir. Bu yapıdaki veri büyük olmasının yanı sıra çeşitli hatalar, kayıp değerler veya aykırı değerler içeriyor olabilir. Bir madenden çıkarılmayı bekleyen değerli taşlar gibi bu veri de çeşitli analizlerde kullanılmak üzere veritabanında bekler.