Please enable JavaScript.
Coggle requires JavaScript to display documents.
การทำเหมืองข้อมูล - Coggle Diagram
การทำเหมืองข้อมูล
ประโยชน์
-
ด้านการเงิน เช่น ควรอนุมัติเครดิตให้ลูกค้ารายใดบ้าง,คาดการความน่าจะเป็นว่าธุรกิจนั้นมีโอกาสล้มละลายหรือไ่ม่
-
-
-
-
-
ประเภท
4.การจำแนกกลุ่ม (Classification) จำแนกข้อมูลโดยอาศัยข้อมูลจากข้อมูลชุดเรียนรู้(Training DataSet)เช่น การจำแนกอาการผู้ป่วยพร้อมกับแนะนำยารักษา การจำแนกรายได้ประชากรและข้อมูลความสัมพันธ์ที่ส่งผลให้เกิดรายได้ดังกล่าว เช่น อาชีพ ระดับการศึกษา เพศ อายุ
3.การทำนาย (Prediction) คล้ายการประมาณค่า แต่ผลการทำนายจะใช้งานนในอนาคต เช่น ทำนายยอดขายที่จะเกิดขึ้นใน3เดือนข้างหน้าทำนายอัตราการเกิดอุบัติเหตุบนท้องถนนในปีหน้า
2.การประมาณค่า (Estimation) ประมาณค่าจากตัวแปรที่สนใจ เช่น การประมาณค่าเกรดเฉลี่ยสะสมของนักศึกษาปริญญาโท จากค่าเกรดเฉลี่ยสะสมในระดับปริญญาตรี
5.การจัดกลุ่ม (Clustering) รวบรวมข้อมูลที่มีลักษณะคล้ายคลึงกันให้อยู่ที่กลุ่มเดียวกัน ส่วนข้อมูลใดที่มีค่าแตกต่างก็จัดให้อยู่ในกลุ่มอื่นๆ
1.การอธิบายผล/การพรรณนา (Description)
การทำเหมืองข้อมูลเพื่อใช้ในการอธิบายรือแปลความหมายและอธิบายข้อมูลได้อย่างชัดเจน
6.ความสัมพันธ์ (Association) การหาความสัมพันธ์ของข้อมูลที่สนใจ โดยอาศัยกฎความสัมพันธ์ระหว่างคุณลักษณะ 2 คุณลักษณะ เช่น สินค้าใดบ้างที่ลูกค้าชอบซื้อและไม่ชอบซื้อร่วมกันหาสัดส่วนยาและแสดงผลข้างเคียงที่เป็นอันตรายต่อผู้ป่วย
ขั้นตอน
2.การกรองข้อมูลและเตรียมการประมวลผล(Data Cleaning and Preprocessing) ข้อมูลที่เก็บไว้จำนวนมากจะถูกนำมากรองเพื่อเลือกข้อมูลที่ตรงประเด็นเพื่อนำไปวิเคราะห์ได้อย่างเหมาะสม
3.การแปลงรูปแบบข้อมูล(Data Reduction and Transformation) เป็นการลดรูปและจัดข้อมูลให้อยู่ในรูปแบบเดียวกันที่ได้มาตรฐาน และเหมาะสมที่จะนำไปใช้กับอัลกอริทึมและแบบจำลองที่ใช้ทำเหมืองข้อมูล
1.คัดเลือกข้อมูล(Data Selection) เป็นการระบุถึงแหล่งข้อมูลที่จะนำมาทำเหมืองข้อมูล รวมถึงการนำข้อมูลที่ต้องการออกจากฐานข้อมูลเพื่อสร้างกลุ่มข้อมูลสำหรับพิจารณาเบื้องต้น
4.การทำเหมืองข้อมูล(Data Mining) เป็นขั้นตอนที่นำวิธีการหรือเทคนิคการทำเหมืองข้อมูลมาใช้เพื่อหารูปแบบของความรู้
5.การแปลผลและการประเมินผล(Interpretation/Evaluation) เป็นขั้นตอนการประเมินรูปแบบที่ได้จากการทำเหมืองข้อมูล ประเมินผล โดยเป็นการวิเคราะห์ผลลัพธ์ที่ได้และแปลความหมายว่าผลลัพธ์ความรู้นั้นเหมาะสมหรือตรงวัตถุประสงค์หรือไม่
6.การแทนความรู้(Knowledge Representation) เป็นขั้นตอนการนำเสนอความรู้ที่ค้นพบ โดยใช้เทคนิคในการนำเสนอเพื่อให้เข้าใจและการนำองค์ความรู้นั้นไปประยุกต์ใช้งาน
ความหมาย
ความหมายที่1 กระบวนการกระทำกับข้อมูลจำนวนมาก เพื่อหาความสัมพันธ์ต่างๆ ของข้อมูลที่ซ่อนอยู่ โดยทำการเชื่อมโยงข้อมูลที่มีความสัมพันธ์กัน การจัดลำดับข้อมูล การจำแนกประเภทข้อมูล การแบ่งกลุ่มข้อมูล การหารูปแบบของข้อมูล เพื่อให้ได้องค์ความรู่ใหม่ที่สามารถนำไปใช้ประกอบการตัดสินใจ และการพยากรณ์ในด้านต่างๆเช่นการตลาด การส่งเสริมการขาย ด้านธุรกิจ ด้านการแพทย์
ความหมายที่2 การค้นหาความรู้ที่เป็นประโยชน์และน่าสนใจบนฐานข้อมู]ขนาดใหญ่(Knowledge Discovery from large in Databass - KDD)โดยนำข้อมูลที่มีอยู่มาวิเคราห์แล้วดึงความรู็ในส่วนที่สำคัญออกมาวิเคราะห์หรือทำนายสื่งต่างๆที่เกิดขึ้น
การค้นหาความรู้ที่แฝงอยู่ในข้อมูลเป็นกระบวนการขุดค้นสิ่งที่สนใจ ซึงแตกต่างกับระบบฐานข้อมูลที่ต้องอาศํยคำสั่ง แต่การทำเหมืองข้อมู,จะมีวิธีการที่เรียกว่า Machine Learning Tools
วัตถุประสงค์
1.การสร้างการพยากรณ์ เป็นการปฏิบัติการที่ใช้สาระที่มีอยู่ในฐานข้อมูลที่เกิดขึ้นแล้ว มาสร้างการพยากรณ์ข้อมูลที่จะเกิดในอนาคต โดยใช้วิธีการวิเคราะห์เชิงสถิติเป็นพื้นฐาน และเสริมด้วยการทำเหมืองข้อมูล เพื่อให้สามารถสร้างการพยาการณ์ข้อมูลที่ง่ายต่อการทำความเข้าใจมากขึ้น
2.การวิเคราะห์ความเชื่อมโยงหรือความสัมพันธ์ เป็นการปฏิบัติการเพื่อสร้างความสัมพันธ์ระหว่างข้อมูลต่างๆในฐานข้อมูล