• crisp-dm
• regressioni logistiche
• logistic regression
• regole associative
• association rules
• istogrammi
• histograms

Il ciclo di vita tradizionale dei processi di data mining risulta ostico per le imprese a causa dell'impegno richiesto agli utenti finali per indirizzare, convalidare e poi mettere in opera le analisi.

Questa tesi, inserita nel progetto industriale ACES, propone un modello di utilizzo delle possibilità offerte dal data mining che può essere utile per superare in parte tali problemi.

In questo modello il momento della produzione di risultati di mining e il momento della loro fruizione sono ben separati sia funzionalmente che cronologicamente.

Nel presente lavoro abbiamo assunto come data l'attività di produzione e ci siamo concentrati sul problema di supportare l'utente finale nella fase di esplorazione e fruizione di tali analisi.

A tale scopo abbiamo definito alcune funzionalità in grado di ricercare tra i risultati quelli che soddisfano criteri espliciti e di eseguire ricerche per similarità rispetto a un esempio costruito in modo estemporaneo dall'utente.
Inoltre si è definita una operazione di ''fusione'' dei precedenti risultati per ottenerne di nuovi utili come spunti per ulteriori ricerche o anche per nuove analisi. Tali funzionalità sono state implementate in un prototipo di cui mostriamo un esempio applicativo.