| Linha 18: | Linha 18: | ||
= Exemplos de Aplicação = | = Exemplos de Aplicação = | ||
A mineração de dados ganhou muito espaço no mundo corporativo nesses últimos anos. Com cada vez mais volume de dados de clientes, mercadorias, compras, vendas e tendências, as empresas de grande e médio porte têm recorrido a esta tecnologia. | |||
Alguns exemplos: | |||
* Utilizar o Weka para poder determinar o preço de venda de uma casa, baseando-se nos dados de vendas de casas na mesma região. | |||
* Para empresas atacadistas: determinar o volume de compra de um produto, a partir da análise dos dados de compras e vendas passadas deste produto | |||
= Referências bibliográficas = | = Referências bibliográficas = | ||
Edição atual tal como às 19h28min de 16 de julho de 2015
Conceito
O software Weka (Waikato Environment for Knowledge Analysis) é um agrupamento de algoritmos de machine learning* voltado para mineração de dados criado criado na linguagem Java, na Universidade de Waikato, na Nova Zelândia. Este software, além de possuir uma grande variedade de algoritmos de inteligência artificial para realizar análises estatísticas, ele conta com uma GUI (interface gráfica do usuário) muito intuitiva, o que possibilita que o usuário possa aplicar suas funcionalidades diretamente em conjuntos de dados.
- Machine learning: tipo de algoritmo que tem a capacidade de aprender e fazer predições de dados, permitindo que ele otimize sua execução. Esse tipo de algoritmo é muito usado em data mining, pois possibilita encontrar propriedades e padrões difíceis de serem percebidos.
Funcionamento
A utilização do Weka pode ser realizada de duas maneiras.
O usuário pode utilizar a GUI (fotos) para aplicar as funcionalidades de data mining em agrupamentos de dados já existentes e obter grande controle do que está sendo realizado.
Há também a possibilidade de integrar as funções criadas para a biblioteca do software Weka com um código escrito em Java, caso queira criar um outro software que possua algumas das funcionalidades do Weka.
A mineração de dados se divide em dois sub-grupos, a mineração direcionada e a não direcionada. A mineração direcionada tem como objetivo fazer a previsão de um dado futuro de acordo com as análises de grandes quantidades de dados feitas anteriormente. Já a mineração não-direcionada, se trata de procurar por padrões existentes nos bancos de dados e, a partir destes padrões, criar diversos grupos de dados, para facilitar, posteriormente, uma análise mais profunda dos mesmos.
O Weka, possui instrumentos que permitem fazer tanto a mineração direta quanto a não-direta. Pode-se realizar várias operações e análise estatísticas de grandes quantidades de dados, como por exemplo regressões, classificações,clustering e até detecção de anomalias em grupos de dados. Essas operações são possíveis através da programação de redes neurais, que permite a criação de algoritmos e técnicas de machine learning
Características do Banco de Dados
Exemplos de Aplicação
A mineração de dados ganhou muito espaço no mundo corporativo nesses últimos anos. Com cada vez mais volume de dados de clientes, mercadorias, compras, vendas e tendências, as empresas de grande e médio porte têm recorrido a esta tecnologia.
Alguns exemplos:
- Utilizar o Weka para poder determinar o preço de venda de uma casa, baseando-se nos dados de vendas de casas na mesma região.
- Para empresas atacadistas: determinar o volume de compra de um produto, a partir da análise dos dados de compras e vendas passadas deste produto