Classification (การจัดประเภท)
Classification เป็นแนวทางขุดข้อมูลที่อนุญาตให้ระดับ (Assign Labels) ชุดข้อมูลเพื่อสนับสนุนการทำนายและการวิเคราะห์ที่มีประสิทธิภาพมากขึ้น Classification เป็นหนึ่งในหลายวิธีที่กำหนดไว้ล่วงหน้าเพื่อทำให้การวิเคราะห์ชุดข้อมูลขนาดใหญ่มีประสิทธิภาพ
"Classification" ใช้ทั่วไปเมื่อมีคลาสเป้าหมาย (Target Classes) ทั้งหมด 2 คลาส เรียกว่า Binary Classification เมื่อทำนายได้มากกว่า 2 คลาส โดยเฉพาะในปัญหาการรู้จำรูปแบบ (Pattern Recognition) เรียกว่า Multinomial Classification อย่างไรก็ตาม Multinomial Classification ยังใช้สำหรับข้อมูลตอบสนองที่แน่นอน (Definitive Response Data) ที่ต้องทำนายว่าหมวดหมู่ใดในหลายหมวดหมู่ที่มีอินสแตนซ์กับความน่าจะเป็นสูงสุด
Classification เป็นองค์ประกอบสำคัญที่สุดใน Data Mining นิยามกระบวนการกำหนดป้ายกำกับคลาสที่กำหนดไว้ล่วงหน้าให้กับอินสแตนซ์ ขึ้นอยู่กับแอตทริบิวต์ของพวกเขา มีความคล้ายคลึงระหว่าง Classification และ Clustering ดูเหมือนกันแต่นั้นต่างกัน ความแตกต่างหลักคือ Classification มีการระดับของรายการตามความเป็นสมาชิกในกลุ่มที่กำหนดไว้ล่วงหน้า
Clustering (การจัดกลุ่ม)
กระบวนการรวมชุดของวัตถุกายภาพหรือนามธรรมเข้าเป็นกลุ่มของวัตถุเดียวกัน เรียกว่า Clustering กลุ่ม (Cluster) คือชุดของวัตถุข้อมูลที่เหมือนกันภายในกลุ่มเดียวกัน และแตกต่างจากวัตถุในกลุ่มอื่นๆ กลุ่มของวัตถุข้อมูลสามารถพิจารณารวมกันเป็นกลุ่มเดียวในหลายแอปพลิเคชัน การวิเคราะห์กลุ่ม (Cluster Analysis) เป็นกิจกรรมมนุษย์ที่สำคัญ
Cluster Analysis ใช้สร้างกลุ่มหรือคลัสเตอร์ของบันทึกเดียวกัน ขึ้นอยู่กับการวัดต่างๆ ที่ทำบนบันทึกเหล่านี้ แนวคิดหลักคือกำหนดกลุ่มในลักษณะที่เป็นประโยชน์สำหรับวัตถุประสงค์ของการวิเคราะห์ ข้อมูลนี้ใช้ในหลายพื้นที่ เช่น ดาราศาสตร์ โ古อารีโอโลยี การแพทย์ เคมี การศึกษาจิตวิทยา ภาษาศาสตร์ และสังคมวิทยา
การใช้งาน Cluster Analysis ที่ 유명한 ในการตลาดคือ Market Segmentation: ผู้ใช้ถูกแบ่งกลุ่ม (Segment) จากข้อมูลประชากรและประวัติธุรกรรม และกลยุทธ์การตลาดถูกปรับให้เหมาะสมสำหรับแต่ละเซ็กเมนต์
Cluster Analysis ใช้ได้กับข้อมูลปริมาณมาก ตัวอย่างเช่น Search Engines อินเทอร์เน็ตใช้วิธี Clustering เพื่อจัดกลุ่มคำค้นหาที่ผู้ใช้ส่ง 东西เหล่านี้สามารถใช้พัฒนาอัลกอริทึมค้นหาได้
โดยทั่วไป ข้อมูลพื้นฐานที่ใช้จัดกลุ่มคือตารางการวัดบนตัวแปรต่างๆ โดยแต่ละคอลัมน์แทนตัวแปร และแต่ละแถวแทนบันทึก วัตถุประสงค์คือสร้างกลุ่มข้อมูลเพื่อให้บันทึกที่เหมือนกันอยู่ในกลุ่มเดียวกัน จำนวนกลุ่มสามารถกำหนดไว้ล่วงหน้าหรือตัดสินใจจากข้อมูล
