Was bedeutet Crisp DM?
CRISP-DM steht für Cross Industry Standard Process for Data Mining und ist ein 1996 entwickeltes Standardmodell für den Einsatz von Data Mining in branchenübergreifenden Anwendungsbereichen.
Welche Prozessschritte beschreibt der Crisp DM Prozess?
CRISP-DM – Einsatzgebiet und Merkmale Das CRISP-DM unterteilt einen Data Mining Prozess in die sechs Phasen Business Understanding, Data Understanding, Data Preparation, Modeling, Evaluation und Deployment.
Was ist das Data Mining?
Bei Data Mining handelt es sich um einen interdisziplinären Ansatz, der Methoden aus der Informatik und der Statistik verwendet. Häufig kommen Verfahren aus dem Bereich der künstlichen Intelligenz und des maschinellen Lernens zum Einsatz. Eine kurze Einführung in das Thema „maschinelles Lernen“ habe ich bereits in einem Beitrag gegeben.
Was ist Data Mining in der Medizin?
In der Medizin kann Data Mining insbesondere dabei helfen, unstrukturierte Daten wie Bilder zu analysieren und dabei Muster zu erkennen. So haben Ärzte und Wissenschaftlicher die Möglichkeit, Krankheiten schneller oder mit einer höheren Genauigkeit zu identifizieren. Ein großes Themengebiet von Data Mining ist die Vorhersage von Maschinenausfällen.
Was ist Data Mining in der Logistik?
Ein großes Themengebiet von Data Mining ist die Vorhersage von Maschinenausfällen. Häufig wird hier auch von Predictive Maintenance gesprochen, was in Deutsch sowas wie „vorausschauende Wartung“ bedeutet. Auch in der Logistik kann Data Mining eingesetzt werden, um Geschäftsprozesse und Lieferketten zu optimieren.
Welche Phase spielt das CRISP-DM-Modell für den Data Mining-Prozess?
Jede Phase dieses Modells spielt eine entscheidende Rolle für den Erfolg eines Data Mining-Projektes. In Abbildung 5 wird erkenntlich, dass das CRISP-DM-Modell einen Kreislauf darstellt und somit iterativ ist. Dies bedeutet, dass es keinen definierten Endpunkt in dem Data Mining-Prozess gibt.