Data Mining
การทำเหมืองข้อมูล (Data mining) เป็นกระบวนการค้นพบความสัมพันธ์ใหม่ที่มีความหมาย, รูปแบบ, และแนวโน้ม โดยการแยกแยะผ่านปริมาณข้อมูลมหาศาลที่จัดเก็บในที่เก็บข้อมูล โดยใช้เทคโนโลยีการรู้จักรูปแบบ รวมถึงเทคนิคทางสถิติและคณิตศาสตร์ เป็นการวิเคราะห์ชุดข้อมูลการสังเกตเพื่อค้นพบความสัมพันธ์ที่ไม่คาดคิด และสรุปข้อมูลด้วยวิธีใหม่ที่เข้าใจง่ายและมีประโยชน์ต่อเจ้าของข้อมูล
เป็นกระบวนการเลือก, สำรวจ, และสร้างแบบจำลองของปริมาณข้อมูลมหาศาลเพื่อค้นพบความสม่ำเสมอหรือความสัมพันธ์ที่ไม่รู้จักก่อน เพื่อให้ผลลัพธ์ที่ชัดเจนและมีประโยชน์สำหรับเจ้าของฐานข้อมูล การทำเหมืองข้อมูลคือกระบวนการสำรวจและวิเคราะห์ด้วยวิธีอัตโนมัติหรือกึ่งอัตโนมัติของปริมาณข้อมูลมหาศาลเพื่อค้นพบรูปแบบและกฎที่มีความหมาย
Data Mining คล้ายกับ Data Science ดำเนินการโดยบุคคล, ในสถานการณ์เฉพาะ, บนชุดข้อมูลเฉพาะ, ด้วยวัตถุประสงค์ กระบวนการนี้รวมบริการหลายประเภท เช่น text mining, web mining, audio และ video mining, pictorial data mining, และ social media mining ดำเนินการผ่านซอฟต์แวร์ที่เรียบง่ายหรือเฉพาะเจาะจงมาก
Machine Learning (การเรียนรู้ของเครื่อง)
Machine learning เป็นแนวทางที่สร้างอัลกอริทึมที่ซับซ้อนสำหรับการประมวลผลข้อมูลขนาดใหญ่และสนับสนุนผลลัพธ์ให้ผู้ใช้ ใช้โปรแกรมที่ซับซ้อนที่สามารถเรียนรู้จากประสบการณ์และสร้างการทำนาย
อัลกอริทึมปรับปรุงตัวเองโดยการป้อนข้อมูลฝึกอบรม (training information) บ่อยครั้ง วัตถุประสงค์หลักของ machine learning คือเรียนรู้ข้อมูลและสร้างแบบจำลองจากข้อมูลที่สามารถเข้าใจและใช้โดยมนุษย์
มีสองประเภทของ machine learning ดังนี้:
Unsupervised Machine Learning (การเรียนรู้แบบไม่มีผู้ดูแล) — ไม่พึ่งพาชุดข้อมูลฝึกอบรมเพื่อทำนายผลลัพธ์ แต่ใช้เทคนิคโดยตรงรวมถึง clustering ที่เกี่ยวข้องกับการทำนายผลลัพธ์ ชุดข้อมูลฝึกอบรมถูกแทนเป็น input ที่ output รู้จัก
Supervised Machine Learning (การเรียนรู้แบบมีผู้ดูแล) — นิยามถึงการมีผู้ดูแลในฐานะครู Supervised learning เป็นเทคนิคการเรียนรู้ที่สอนหรือฝึกเครื่องใช้ข้อมูลที่ leveled (มีป้ายกำกับ) อย่างดี หมายถึงบางข้อมูลถูกทำเครื่องหมายด้วยคำตอบที่ถูกต้องแล้ว หลังจากนั้น เครื่องได้รับชุดบันทึกใหม่ๆ ดังนั้น supervised learning algorithm จะวิเคราะห์ข้อมูลฝึกอบรมและให้ผลลัพธ์ที่แม่นยำจาก labeled data
มาเปรียบเทียบระหว่าง Data Mining และ Machine Learning
| Data Mining | Machine Learning |
|---|---|
| Data mining ยังเรียกว่า Knowledge Discovery in Data เป็นเทคนิคระบุ anomalies, correlations, trends, หรือ patterns ระหว่างล้านล้านบันทึก (โดยเฉพาะ structured data) เพื่อสกัดข้อมูลเชิงลึกที่อาจช่วยการตัดสินใจทางธุรกิจ และอาจพลาดระหว่างการวิเคราะห์แบบดั้งเดิม | Machine learning เป็นเทคนิคที่สร้างอัลกอริทึมซับซ้อนสำหรับ large data processing และให้ผลลัพธ์แก่ผู้ใช้ ใช้โปรแกรมซับซ้อนที่เรียนรู้จากประสบการณ์และสร้างการทำนาย |
| เป้าหมายหลักของ data mining คือค้นหาข้อเท็จจริงหรือข้อมูลที่เคยถูกละเลยหรือไม่รู้จัก โดยใช้อัลกอริทึมคณิตศาสตร์ที่ซับซ้อน | จุดมุ่งหมายของ machine learning คือเข้าใจข้อมูลและสร้างแบบจำลองจากข้อมูลที่สามารถเข้าใจและใช้โดยมนุษย์ |
| Data mining ใช้ database, data warehouse server, data mining engine, และ pattern assessment methods เพื่อได้ข้อมูลที่มีประโยชน์ | Machine learning ใช้ neural networks, predictive models, และ automated algorithms เพื่อสร้างการตัดสินใจ |
| สามารถใช้ใน lĩnh vựcจำกัด | สามารถใช้ในพื้นที่กว้างขวาง |
