พื้นฐานทางทฤษฎีของการทำเหมืองข้อมูลคืออะไร?

ทฤษฎีหลักของการทำเหมืองข้อมูล

มีทฤษฎีหลายประการที่เป็นพื้นฐานของการทำเหมืองข้อมูล ดังนี้:

1. การลดข้อมูล (Data Reduction)

ทฤษฎีนี้มุ่งลดการแสดงผลของข้อมูล โดยแลกความแน่นอนเพื่อความเร็วในการตอบสนองต่อการสอบถามบนฐานข้อมูลขนาดใหญ่ วิธีการลดข้อมูลรวมถึง การแยกค่าเอกineux (Singular Value Decomposition - พื้นฐานของการวิเคราะห์ส่วนประกอบหลัก), เวฟเลต (Wavelets), การถดถอย (Regression), โมเดลลอการิทึมเชิงเส้น (Log-linear Models), היסטограм (Histograms), การจัดกลุ่ม (Clustering), การสุ่มตัวอย่าง (Sampling), และการพัฒนาต้นไดดัชนี (Index Trees)

2. การบีบอัดข้อมูล (Data Compression)

ตามทฤษฎีนี้ พื้นฐานของการทำเหมืองข้อมูลคือการบีบอัดข้อมูลที่กำหนดโดยการเข้ารหัสในรูปของบิต (Bits), กฎการเชื่อมโยง (Association Rules), ต้นไม้ตัดสินใจ (Decision Trees), และกลุ่มข้อมูล (Clusters) เป็นต้น

3. การค้นพบรูปแบบ (Pattern Discovery)

ทฤษฎีนี้เน้นการค้นหารูปแบบที่ปรากฏในฐานข้อมูล รวมถึง การเชื่อมโยง (Associations), โมเดลการจัดประเภท (Classification Models), รูปแบบลำดับ (Sequential Patterns) มีสาขาหลายสาขาที่มีส่วนช่วย เช่น การเรียนรู้ของเครื่องจักร (Machine Learning), เครือข่ายประสาท (Neural Network), การทำเหมืองการเชื่อมโยง (Association Mining), การทำเหมืองรูปแบบลำดับ (Sequential Pattern Mining), การจัดกลุ่ม (Clustering) และสาขาย่อยต่างๆ

4. ทฤษฎีความน่าจะเป็น (Probability Theory)

พื้นฐานอยู่บนทฤษฎีสถิติ โดยมุ่งหาการกระจายความน่าจะเป็นร่วมของตัวแปรสุ่ม เช่น เครือข่ายความเชื่อแบบเบย์เซียน (Bayesian Belief Networks) หรือโมเดลเบย์เซียนแบบลำดับชั้น (Hierarchical Bayesian Models)

5. มุมมองเศรษฐศาสตร์จุลภาค (Microeconomic View)

มุมมองนี้พิจารณาการทำเหมืองข้อมูลว่าเป็นบริการในการค้นพบรูปแบบที่น่าสนใจ רקเมื่อสามารถนำไปใช้ในกระบวนการตัดสินใจขององค์กรได้ (เช่น กลยุทธ์การตลาดและแผนการผลิต) องค์กรถูกมองว่าต้องเผชิญปัญหาการเพิ่มประสิทธิภาพ โดยวัตถุประสงค์คือเพิ่มมูลค่าหรือประโยชน์ของการตัดสินใจ ในทฤษฎีนี้ การทำเหมืองข้อมูลกลายเป็นปัญหาการเพิ่มประสิทธิภาพแบบไม่เชิงเส้น (Nonlinear Optimization)

6. ฐานข้อมูลนิพจน์ (Inductive Databases)

ตามทฤษฎีนี้ โครงสร้างฐานข้อมูลประกอบด้วยข้อมูลและรูปแบบที่จัดเก็บในฐานข้อมูล การทำเหมืองข้อมูลคือปัญหาการนำการนิพจน์ (Induction) ไปใช้กับฐานข้อมูล โดยฟังก์ชันคือการสืบค้นข้อมูลและทฤษฎี (เช่น รูปแบบ) ของฐานข้อมูล มุมมองนี้ได้รับความนิยมในหมู่นักวิจัยระบบฐานข้อมูล

ทฤษฎีเหล่านี้ไม่ได้ปฏิเสธกันและกัน absolutely เช่น การค้นพบรูปแบบก็อาจถูกมองเป็นรูปแบบหนึ่งของการลดข้อมูลหรือการบีบอัดข้อมูลได้ ในลักษณะที่เหมาะสม กรอบทฤษฎีควรสามารถสร้างแบบจำลองงานทำเหมืองข้อมูลทั่วไป (รวมถึง การเชื่อมโยง, การจัดประเภท, และการจัดกลุ่ม) มีลักษณะความน่าจะเป็น จัดการรูปแบบข้อมูลหลายรูปแบบได้ และจัดการลักษณะวนซ้ำและเชิงโต้ตอบของการทำเหมืองข้อมูล ได้ ยังต้องมีความพยายามต่อไปในการสร้างโครงสร้างที่ชัดเจนสำหรับการทำเหมืองข้อมูลที่ตอบสนองข้อกำหนดเหล่านี้