tatistiksel modelleme kullanarak veriden bir sonuca ulaşmanın iki yolu vardır. Bunlardan biri, veri modelinin nasıl çalıştığına dair bir bakış açısıyla işe başlayan ve modeli tanımlayan parametreleri açığa çıkarmaya çalışan ekonometri, diğeri de veri modeli hakkında kabullerde bulunmayan ve eldeki veriyi kullanarak en iyi modeli algoritmik olarak kurmaya çalışan veri madenciliğidir. Yapılan bu çalışmada veri madenciliği kavramı, süreci, teknikleri ve veri madenciliği açısından önemli kavramlar olan OLAP, veri ambarı ve CRISP-DM tanımlanmıştır. WEKA programı ile gerçekleştirilen bir veri madenciliği uygulamasıyla günümüzün yaygın bir sağlık problemi olan kanserde hayatta kalma ihtimalini arttıran erken teşhis sürecinde veri madenciliğinin kullanımı gösterilmiştir.
There are two ways of reaching conclusions from data by using statistical modeling. One of them is econometrics which starts with a perspective of how data model works and trying to reveal the parameters which identify the model, the other is data mining which doesn't make assumptions about data model and trying to find best model by algorithmically by using the available data. In this study data mining concept, its process, techniques and OLAP, data warehouse and CRISP-DM which are important concepts in terms of data mining were described. With a data mining application performed by WEKA program use of data mining shown in early detection process which increases the probability of survival in cancer which is one common health problem of todays.
