Please enable JavaScript.
Coggle requires JavaScript to display documents.
การทำเหมืองข้อมูล - Coggle Diagram
การทำเหมืองข้อมูล
ความหมาย
-
ความหมายที่ 2
การค้นหาความรู้ที่เป็นประโยชน์และน่าสนใจบนฐานข้อมูลขนาดใหญ่ (Knowledge Discovery from very large in Databases – KDD) โดยนำข้อมูลที่มีอยู่มาวิเคราะห์แล้วดึงความรู้ในส่วนที่สำคัญออกมาวิเคราะห์หรือทำนายสิ่งต่างๆที่เกิดขึ้น
วัตถุประสงค์
-
การสร้างการพยากรณ์
เป็นการปฏิบัติการที่ใช้สาระที่มีอยู่ในฐานข้อมูลซึ่งเป็นข้อมูลที่เกิดขึ้นแล้วมาสร้างการพยากรณ์ข้อมูลที่จะเกิดในอนาคต
ประโยชน์
ด้านการเงิน เช่น ควรอนุมัติเครดิตให้ลูกค้ารายใดบ้าง, คาดการความน่าจะเป็นว่า
ธุรกิจนั้นมีโอกาสล้มละลายหรือไม่
-
-
-
-
-
ด้านการพัฒนาเว็บไซต์ เช่น การโฆษณา, การเพิ่มประสิทธิภาพและความสามารถ
ของ Search Engine
ประเภท
การจำแนกกลุ่ม (Classification) จำแนกข้อมูลโดยอาศัยข้อมูลจากข้อมูลชุดเรียนรู้ (Training DataSet) เช่น การจำแนกรายได้ประชากรและข้อมูล
ความสัมพันธ์ที่ส่งผลให้เกิดรายได้ดังกล่าว เช่น อาชีพ ระดับการศึกษา เพศ อายุ
-
การทำนาย (Prediction) คล้ายการประมาณค่าแต่ผลการทำนายจะใช้งานในอนาคต เช่น ทำนายยอดขายที่จะเกิดขึ้นใน 3 เดือนข้างหน้า
ความสัมพันธ์ (Association) การหาความสัมพันธ์ของข้อมูลที่สนใจ โดยอาศัยกฎความสัมพันธ์ระหว่าง
คุณลักษณะ 2 คุณลักษณะ
การประมาณค่า (Estimation) ประมาณค่าจากตัวแปรที่สนใจ เช่น การประมาณค่าเกรดเฉลี่ยสะสมของนักศึกษาปริญญาโท
การอธิบายผล / การพรรณนา (Description) การทำเหมืองข้อมูลเพื่อใช้ในการอธิบายหรือแปลความหมายและอธิบายข้อมูลได้อย่างชัดเจน
ขั้นตอน
การแปลงรูปแบบข้อมูล (Data Reduction and Transformation) เป็นการลดรูปและจัดข้อมูลให้อยู่ในรูปแบบเดียวกันที่ได้มาตรฐาน
การทำเหมืองข้อมูล (Data Mining) เป็นขั้นตอนที่นำเอาวิธีการหรือเทคนิคการทำเหมืองข้อมูลมาใช้เพื่อหารูปแบบของความรู้
การกรองข้อมูลและเตรียมการประมวลผล (Data Cleaning and Preprocessing) ข้อมูลที่เก็บไว้จำนวนมากจะถูกนำมากรองเพื่อเลือกข้อมูลที่ตรงประเด็นเพื่อนำไปวิเคราะห์ได้อย่างเหมาะสม
การแปลผลและการประเมินผล (Interpretation/Evaluation) เป็นขั้นตอนการประเมินรูปแบบที่ได้จากการทำเหมืองข้อมูล
การแทนความรู้ (Knowledge Representation) เป็นขั้นตอนการนำเสนอความรู้ที่ค้นพบ โดยใช้เทคนิคในการนำเสนอเพื่อให้เข้าใจ
-