Notes for Data Mining and Machine Learning

 
Data mining is the process of mining large, usually vast, amounts of data, to extract information 
into usable structures. Typically the structures are patterns in the data, which are novel and 
interesting, for example grouping in the data, unusual data, or dependencies. 
 
An example of an extracted dependency could be: Out of all M.Sc. and MCA students: Those 
who attended NCDMA­14 would pass in first class, with a probability of 90%. 
 
Machine learning is a tool used by data mining to extract patterns. Earlier, experts would analyze 
data and come up with a model for predicting new unseen input data. Machine learning takes 
example data directly and learns a model from them, because of this, it can be used on much 
larger data than what human experts can use, and it can be used for data where it is near to 
impossible for a human expert to identify the model. 
 
Machine learning is very popular at the moment, the free Machine Learning course from Stanford 
University is by far the most popular online training in the world. 
 
Machine Learning finds uses in many diverse areas, instead of business revenue optimization 
where it began. Forbes recently identified novel ideas based on the use of machine learning1 : 
 
● Amazon challenge: Automating employee access control ­ the idea is, that granting and 
revoking access to resources is automated, based on the users’ features (for access to 
other resources) 
● Animal protection: Learning sounds of whales in the ocean, so ships can steer clear of 
them, and, learning bird sounds so researchers can map dangered species. 
● Emergency room wait times: Learn a model considering staff level, patient data, room 
layout, etc. The model implicitly evaluates a patient’s survival chances at the ER. 
● Identifying heart failure: Analysis of patient journals to catch wrongly diagnosed heart 
problems before they become fatal. 
● Stroke and seizure prediction: Analysis of accelerometer data in smart­phone to identify a 
critical patient condition. 
 
All are examples of what earlier required a human expert to look at data and make an evaluation, 
but, which can now be done fully automatically by computers. 
 
 

1
 http://www.forbes.com/sites/85broads/2014/01/06/six­novel­machine­learning­applications/