Data Mining Functionalities
แสดง Type ของ Patterns ที่จะ Discover ใน Data Mining Tasks แบ่ง 2 ประเภทใหญ่:
- Descriptive Mining: บอกลักษณะทั่วไปของข้อมูลใน Database
- Predictive Mining: Inference จากข้อมูลปัจจุบัน → Predictions
Functionalities หลัก
- Data Characterization: สรุปลักษณะทั่วไปของ Object Class ข้อมูลจาก Database Query แสดงผลหลายรูปแบบ
- Data Discrimination: เปรียบเทียบ Target Class กับ Contrasting Classes ข้อมูลจาก Queries
- Association Analysis: วิเคราะห์ Items ที่มักเกิดร่วมกันใน Transactional Data 2 Parameters: Support (Frequent Itemset), Confidence (Conditional Probability)
- Classification: หา Model แยก Data Classes ใช้ Predict Class ของ Object ที่ Label ไม่รู้ Model จาก Training Data (Known Labels)
- Prediction: ทำนาย Missing Values หรือ Trends จาก Attribute Values
- Clustering: คล้าย Classification แต่ Classes ไม่ Predefined Classes จาก Data Attributes Unsupervised Learning Maximize Intra-class Similarity, Minimize Inter-class Similarity
- Outlier Analysis: Outliers = Data ที่ไม่เข้ากลุ่ม/Cluster พฤติกรรมแตกต่างจากทั่วไป การวิเคราะห์ Outliers สำคัญต่อ Knowledge Discovery
- Evolution Analysis: ระบุ Trends ของ Objects ที่พฤติกรรมเปลี่ยนแปลงตามเวลา
