Pola informasi yang dihasilkan oleh proses data mining harus disajikan dalam bentuk yang mudah dimengerti oleh pihak yang berkepentingan. Tahap ini merupakan bagian dari proses KDD yang disebut interpretasi. Tahap ini meliputi pengecekan untuk melihat apakah ada pola atau informasi yang bertentangan dengan fakta atau hipotesis yang ada.
Metode Data Mining
Metode data mining dapat dikategorikankan berdasarkan fungsi yang dilakukan atau berdasarkan jenis aplikasi yang menggunakannya:
* Klasifikasi (supervised)
Dalam masalah klasifikasi, saya memiliki beberapa kasus (data sampel) dan saya ingin memprediksi beberapa kelas yang ada dalam data sampel.
* Clustering (unsupervised)
Clustering adalah teknik yang berguna untuk mengeksplorasi data. Sebagian besar digunakan dan biasanya tidak dirakit. Dalam hal ini, Anda dapat menggunakan algoritma data mining untuk menemukan cluster dalam data
* Association Rules (unsupervised)
fungsi Aturan Asosiasi sering disebut sebagai "analisis keranjang pasar" dan digunakan untuk menemukan hubungan atau korelasi antara satu set item.
* Attribute Importance (supervised)
Atribut penting (juga dikenal sebagai pemilihan fitur) memberikan solusi otomatis untuk meningkatkan kecepatan dan akurasi model klasifikasi berdasarkan tabel data dengan sejumlah besar atribut.
