องค์ประกอบหลักของ Data Mining
Data Mining คือกระบวนการ selection, exploration, และ modeling ของข้อมูลปริมาณมาก เพื่อหา regularities หรือ relations ที่ไม่รู้จักก่อน เพื่อผลลัพธ์ที่ชัดเจนและมีประโยชน์สำหรับเจ้าของ database
Data mining เป็น interdisciplinary field รวม disciplines: database systems, statistics, machine learning, visualization, data science ขึ้นอยู่กับ data mining methods ที่ใช้ approaches จาก disciplines อื่นอาจใช้ได้: neural networks, fuzzy/rough set theory, knowledge representation, inductive logic programming, high-performance computing
ขึ้นอยู่กับ types of data หรือ data mining application data mining system อาจ integrate methods จาก: spatial data analysis, information retrieval, pattern recognition, image analysis, signal processing, computer graphics, network technology, economics, business, bioinformatics, psychology
Data mining query language ออกแบบให้รวม primitives เหล่านี้ ให้ users interact กับ data mining systems อย่างยืดหยุ่น Data mining query language เป็นพื้นฐานสร้าง user-friendly graphical interfaces ส่งเสริม communication ของ data mining system กับ other data systems และ integration กับ complete data processing environment
การออกแบบ comprehensive data mining language ยาก เพราะ data mining ครอบคลุม wide spectrum ของ functions จาก data characterization ถึง evolution analysis แต่ละ task มี requirements ต่างกัน ต้องการ extensive learning เกี่ยวกับ power, limitations, underlying structure ของ data mining tasks ต่างๆ
Data mining functionalities ใช้นิยาม type of patterns ที่ต้องค้นพบใน data mining tasks โดยทั่วไป data mining tasks แบ่งได้สองประเภท: descriptive และ predictive Descriptive mining tasks อธิบาย general features ของข้อมูลใน database Predictive mining tasks ทำ inference บน current information เพื่อทำ predictions
Major Components of Data Mining
- Databases: หนึ่งหรือชุดของ databases, data warehouses, spreadsheets, หรือ data repository อื่นๆ ที่ data cleaning และ integration techniques ใช้ได้
- Data warehouse server: component นี้ดึง relevant records ตาม user request จาก data warehouse
- Knowledge base: knowledge domain ที่ใช้สำหรับค้นพบ interesting patterns
- Data mining engine: functional module ที่ทำ tasks: classification, association, cluster analysis, เป็นต้น
- Pattern evaluation module: ใช้ interestingness measures ที่ communicate กับ data mining structure เพื่อ focus search ไป interesting patterns
- User interface: interface ให้ users interact กับ system โดยระบุ data mining function หรือ query ผ่าน GUI
