การขุดข้อมูล (Data Mining) คือกระบวนการค้นหาความสัมพันธ์ รูปแบบ และแนวโน้มที่เป็นประโยชน์และใหม่ๆ โดยการวิเคราะห์ปริมาณข้อมูลจำนวนมากที่จัดเก็บในคลังข้อมูล โดยใช้เทคโนโลยีการรู้จำรูปแบบ รวมถึงเทคนิคทางสถิติและคณิตศาสตร์ นั่นคือการวิเคราะห์ชุดข้อมูลเชิงความเป็นจริงเพื่อค้นพบความสัมพันธ์ที่ไม่คาดคิด และสรุปข้อมูลในวิธีที่นวัตกรรม ซึ่งเป็นทั้งเหตุผลและมีประโยชน์ต่อเจ้าของข้อมูล
ความท้าทายหลักคือการวิเคราะห์ข้อมูลเพื่อแยกข้อมูลสำคัญที่นำไปใช้แก้ปัญหาหรือพัฒนาธุรกิจได้ มีเครื่องมือและเทคนิคไดนามิกมากมายสำหรับขุดข้อมูลและค้นพบข้อมูลเชิงลึกที่ดีขึ้น
เทคนิคการขุดข้อมูลหลัก
1. Classification (การจัดประเภท)
เป็นเทคนิคขุดข้อมูลที่กำหนดระดับ (Assign Labels) ให้กับชุดข้อมูลเพื่อช่วยในการทำนายและวิเคราะห์ที่มีประสิทธิภาพมากขึ้น มีหลายวิธีที่ตั้งใจทำให้การวิเคราะห์ชุดข้อมูลขนาดใหญ่มากมีประสิทธิภาพ Classification เป็นหนึ่งในงานสำคัญที่สุดใน Data Mining หมายถึงกระบวนการกำหนดป้ายกำกับคลาสที่กำหนดไว้ล่วงหน้า (Pre-defined Class Labels) ให้กับอินสแตนซ์ (Instances) ตามแอตทริบิวต์ของพวกเขา มีความคล้ายคลึงระหว่าง Classification และ Clustering ดูเหมือนกันแต่นั้นต่างกัน ความแตกต่างหลักคือ Classification เกี่ยวข้องกับการระดับขององค์ประกอบตามความเป็นสมาชิกในกลุ่มที่กำหนดไว้ล่วงหน้า
2. Clustering (การจัดกลุ่ม)
กระบวนการรวมชุดของวัตถุทางกายภาพหรือนามธรรมเข้าเป็นกลุ่มของวัตถุที่คล้ายกัน เรียกว่า Clustering กลุ่ม (Cluster) คือชุดของวัตถุข้อมูลที่คล้ายกันภายในกลุ่มเดียวกัน และแตกต่างจากวัตถุในกลุ่มอื่นๆ กลุ่มของวัตถุข้อมูลสามารถพิจารณารวมกันเป็นกลุ่มเดียวในหลายแอปพลิเคชัน การวิเคราะห์กลุ่ม (Cluster Analysis) เป็นกิจกรรมมนุษย์ที่สำคัญ
3. Regression (การถดถอย)
แนวทางเหล่านี้ใช้พยากรณ์ค่าของตัวแปรตอบสนอง (Response/Dependent Variable) จากตัวแปรพยากรณ์ (Predictor/Independent Variables) หนึ่งตัวหรือมากกว่า โดยตัวแปรเป็นตัวเลข มีหลายรูปแบบของการถดถอย รวมถึง Linear Multiple Weighted Polynomial Nonparametric และ Robust (เทคนิค Robust มีประโยชน์เมื่อข้อผิดพลาดไม่ผ่านเงื่อนไขปกติ หรือเมื่อข้อมูลรวมค่าผิดปกติ Significant Outliers อยู่ด้วย)
4. Outlier Detection (การตรวจจับค่าผิดปกติ)
เทคนิคขุดข้อมูลประเภทนี้เกี่ยวข้องกับการสังเกตวัตถุข้อมูลในชุดข้อมูล ที่ไม่ตรงกับรูปแบบที่คาดหวังหรือพฤติกรรมที่คาดหวัง อาจใช้ในหลายโดเมน เช่น การบุกรุก (Intrusion Detection) การตรวจจับฉ้อโกง (Fraud Detection) ฯลฯ ยังเรียกว่า Outlier Analysis หรือ Outlier Mining
5. Sequential Patterns (รูปแบบลำดับ)
รูปแบบลำดับเป็นเทคนิคขุดข้อมูลเฉพาะสำหรับคำนวณข้อมูลลำดับ (Sequential Data) เพื่อหา Sequential Patterns รวมถึงการค้นหาย่อยลำดับที่น่าสนใจในชุดของลำดับ โดยที่ความสำคัญของลำดับสามารถวัดได้จากองค์ประกอบหลายอย่าง เช่น ความยาว ความถี่ในการเกิดขึ้น ฯลฯ
