Sayi9kasimaralik

Kasım-Aralık 2012 Yıl : 2 Sayı : 9
ödemişken, yenisinin eskisinden daha üstün olduğu
gösterilmemiş bir başka rakip paketi pek yakın bir
tarihte satın alması ihtimali düşüktür. Varolan bazı
VM ürünlerinin örnekleri şunlardır (Mayıs 1997 itibariyle):
IBM: "IntelligentMiner"
Tandem: "Relational Data Miner"
Angoss Software: "KnowledgeSEEKER"
ThinkingMachines Corporation: "DarwinTM"
NeoVista Software: "ASIC"
ISL DecisionSystemsInc: "Clementine"
DataMind Corporation: "DataMind Data Cruncher"
Silicon Graphics: "MineSet"
California Scientific Software: "BrainMaker"
WizSoft Corporation: "WizWhy"
Lockheed Corporation: "Recon"
SAS Corporation: "SAS Enterprise Miner "
Bu az ya da çok “kapsayıcı” paketlerin yanında tek
amaç için uzmanlaşmış çok çeşitli ürünler de mevcuttur.
Bunun yanında birçok danışmanlık firması
VM’de uzmanlaşmıştır. Bu alanda istatistikçiler ve
bilgisayar bilimciler arasındaki farklardan biri şudur:
İstatistikçinin bir fikri olduğunda o bir makale yazar,
ama bilgisayarcının bir fikri varsa, o bir şirket kurar.
Var olan VM ürünleri şöyle vasıflandırılabilir:
- Aşağıdakileri için “çekici” bir grafik kullanıcı ara
yüzü:
l Veri Tabanları (sorgu dili),
l Veri çözümleme prosedürleri seti.
- Windows Tipi Arayüz
l Esnek uygun girdi
n Tıklama ikonları ve menüler,
n Girdi için iletişim kutuları,
n Çözümlemeleri betimleyecek diyagramlar,
n Çıktıların çok yönlü grafik gösterimi,
n Çeşitli veri grafiklemeleri,
AKADEMİK
n Hızlı grafik yöntemleri: ağaçlar, ağlar, uçuş simü
lasyonları vb.
- Sonuçların uygun manipülasyonu imkanı.
Bu paketler genellikle VM uzmanları kadar karar alıcılar
için de üretilmektedir.
Güncel VM paketlerinin hemen hepsi her zaman şu
istatistikî çözümleme yöntemlerini barındırır:
- Karar ağacı tümevarımı (C4.5, CART, CHAID)
- Kural Tümevarımı (AQ, CN2, Recon, vb.)
- Kümeleme yöntemleri (olay bazlı karar alma)
- İlişkilendirme kuralları (piyasa bazlı çözümleme)
- Özellik çıkarımı,
- Görselleştirme.
Buna ek olarak, bazılarında şunlar bulunur:
- Sinir ağları,
- Bayezyen inanç ağları (grafik modeller)
- Genetik algoritma,
- Kendini örgütleyen haritalar,
- Sinir-bulanık sistemler (Neuro-fuzzysystems)
Bu paketlerin neredeyse hiçbirinde şunlar sunulmaz:
- Hipotez testleri,
- Deneysel tasarım,
- Tepki düzeyi modelleme,
- ANOVA, MANOVA vb.,
- Doğrusal regresyon,
- Diskriminant analizi,
- Lojistik regresyon,
26 27
- GLM,
- Kanonik korelasyon,
- Temel bileşenler analizi,
- Faktör analizi.
Bu son yöntemler, tabii ki, standart istatistik paketlerinin
payandalarıdır. Demek ki, şu anda pazarlanmakta
olan (ve kullanılan) neredeyse bütün VM paketleri
istatistik alanı dışında geliştirilmiştir. Temel yöntemimiz
büyük oranda göz ardı edilmiştir.
3. Neden şimdi? Ne bu acele?
Veriden öğrenme fikri uzun süredir masadaydı. O zaman
şu soru sorulabilir: Neden VM bir anda bu kadar
ilgi gördü? Temel neden Veri Tabanı Yöntemi alanının
daha yeni işin içine girmesi. Veri Tabanı Yöntem
Sistemler (VTYS), özellikle büyük boyutlarda, veri
barındırır. Geleneksel VTYSleri, veri örgütlemesine
yarayan bireysel kayıtların depolanması ve hızlı geri
çağrılması olan, Çevrimiçi Hareket İşleme (Online
Transaction Process, OLTP) üzerine yoğunlaşmış idi.
Bordro, depo, fatura kayıtları vbgkayıtları tutmaktaydı.
Veri Tabanı Yönetimi ile uğraşanlar, yenilerde “Karar
desteği” için VTYS kullanmak ile ilgilenmeye başladılar.
Karar Destek Sistemleri (KDS), OLTP uygulamaları
için, toplanmış veri için istatistikî sorgulara
(query) izin vermektedir. Örneğin, “Zincirimizdeki
mağazalarda geçen ay kaç tane bebek bezi satıldı?”
gibi. KDS “Veri Deposu” kurmayı gerektirir. Veri depoları
bir kurumun farklı departmanlarında dağılmış
veriyi, tek ve merkezî veri tabanına (çoğu zaman çok
büyük, 100 GB) ortak bir biçimde birleştirir. Bazı durumlarda
daha küçük alt-veri tabanları özel çözümlemeler
için üretilir. Bunlara “Veri Pazarı (Data Marts)
ismi verilir.