Big Data – Data Mining
Interactive
Infomodul:
Typische Analysearten des Data Mining wie Clustering, Assoziationsanalyse und Regressionsanalyse werden anhand von Animation, Erklärtext und Beispiel veranschaulicht.
Type of media:
Interactive (1.7 MByte)
Last update:
2020-01-30
License:
This medium is made available under a CC BY-SA 4.0 international license.
What does this mean?
How to reference this medium
This medium is made available under a CC BY-SA 4.0 international license.
What does this mean?
How to reference this medium
Media package:
Description:
Die Animationen visualisieren die Analysearten Clustering (Ähnlichkeiten herausfinden und Gruppen bilden), Assoziationsanalyse (Abhängigkeiten von Merkmalen und Regeln aufstellen, indem Einkaufsverhalten analysiert wird) und Regressionsanalyse (Zusammenhänge aus vorhandenen Daten ermitteln, indem bei linearer Regression eine Trendlinie gezogen wird). Zu jeder der Analysearten des Data Mining kann ein Beispiel aufgerufen werden.
Hinweise und Ideen:
Eine Trendlinie wird bei linearer Regression durch die Anhäufung von Datenpunkten gezogen und ermöglicht eine Voraussage zur Entwicklung des untersuchten Sachverhalts. In der Animation werden verschiedene mögliche Trendlinien gezogen, am Ende wird die bestmögliche ausgewählt (die meisten Punkte mit dem geringstmöglichen Abstand zur Linie).
Hinweise und Ideen:
Eine Trendlinie wird bei linearer Regression durch die Anhäufung von Datenpunkten gezogen und ermöglicht eine Voraussage zur Entwicklung des untersuchten Sachverhalts. In der Animation werden verschiedene mögliche Trendlinien gezogen, am Ende wird die bestmögliche ausgewählt (die meisten Punkte mit dem geringstmöglichen Abstand zur Linie).
Related media:
Learning resource type:
Sachinformation
Subjects:
Informatik; Technik
Grade levels:
Klasse 7 bis 9; Klasse 10 bis 13
School types:
Berufliche Bildung; Weiterführende Schulen
Keywords:
Analytische Geometrie; Computertechnik; Datenschutz; Datenverarbeitung; Gesellschaft; Informatik; Internet; Statistik; Wahrscheinlichkeit (Mathematik)
Bibliography:
Medienportal der Siemens Stiftung
Author:
MediaHouse GmbH unter Verwendung von Medien von: Erfurth Kluger Infografiken GbR und irights-lab.de
Rights holder:
© Siemens Stiftung 2019