คลาสแรกของเทคนิคสำหรับ mining infrequent patterns ให้ทุก item เป็น symmetric binary variable Transaction information สามารถ binarized ได้โดย augment ด้วย negative items แสดงตัวอย่างการเปลี่ยนข้อมูลต้นฉบับเป็น transactions ที่มีทั้ง positive และ negative items โดยใช้ frequent itemset generation algo

มี 2 แนวทางในการกำหนด expected support ของ pattern โดยใช้ (a) concept hierarchy และ (b) neighborhood-based approach เรียกว่า indirect association Support Expectation Based on Concept Hierarchy (การคาดหวัง Support จากลำดับชั้นแนวคิด) Objective measures เพียงอย่างเดียวอาจไม่พอที่จะกรอง uninteresting

กระบวนการรวม physical หรือ abstract objects เป็น classes ของ objects ที่คล้ายกัน เรียกว่า clustering Cluster คือเซตของ data objects ที่คล้ายกันภายใน cluster เดียวกัน และแตกต่างจาก objects ใน clusters อื่น Cluster ของ data objects สามารถมองเป็นหนึ่งกลุ่มรวมในหลาย applications Cluster analysis เป็นกิ

Cluster Analysis (การวิเคราะห์กลุ่ม) เป็นกิจกรรมมนุษย์ที่สำคัญ ใช้สร้าง groups หรือ clusters ของ records ที่คล้ายกัน ตาม measures ต่างๆ ที่วัดบน records แนวคิดหลักคือกำหนด clusters ให้มีประโยชน์ต่อวัตถุประสงค์การวิเคราะห์ ใช้ในหลายสาขา: ดาราศาสตร์ โ古รูปศาสตรา การแพทย์ เคมี การศึกษา จิตวิทยา ภาษาศาส

มีประเภทของ clustering หลักดังนี้ − Hierarchical vs Partitional (ลำดับชั้น vs ส่วนแบ่ง) − ความแตกต่างระหว่างประเภท clusterings คือ whether the set of clusters is nested or unnested คือ hierarchical หรือ partitional Partitional clustering คือการแบ่ง data objects เป็น non-overlapping subsets (cluste

Cluster analysis ใช้สร้าง groups หรือ clusters ของ records ที่คล้ายกัน ตาม measures ต่างๆ ที่วัดบน records เหล่านั้น สามารถกำหนด clusters ได้หลายแบบที่มีประโยชน์ต่อวัตถุประสงค์ของการวิเคราะห์ ข้อมูลนี้ใช้ในหลายสาขา เช่น ดาราศาสตร์ โ古รูปศาสตรา การแพทย์ เคมี การศึกษา จิตวิทยา ภาษาศาสตร์ และสังคมวิทยา

K-means clustering เป็น partitioning algorithm ที่นิยมใช้มากที่สุด K-means จัดสรร (reassigns) ข้อมูลแต่ละตัวใน dataset ให้อยู่ในเพียงหนึ่งเดียวของ clusters ใหม่ที่สร้างขึ้น Record หรือ data point จะถูก assign ให้กับ cluster ที่ใกล้ที่สุดโดยใช้ measure of distance หรือ similarity K-means algorithm

มีปัญหาต่างๆ ของ K-Means Algorithm ดังนี้ − Handling Empty Clusters (การจัดการคลัสเตอร์ว่าง) − ปัญหาแรกของ K-means แบบพื้นฐานคือ empty clusters อาจเกิดขึ้นถ้าไม่มี points ถูก assign ให้กับ cluster ใน assignment phase ถ้าเกิดขึ้น ต้องมีวิธีเลือก replacement centroid เพราะ squared error จะใหญ่กว่าที

แนวคิดคือสร้าง multiple classifiers จากข้อมูลต้นฉบับ แล้วรวม (aggregate) การทำนายของพวกเขาเมื่อจัดประเภทตัวอย่างที่ไม่รู้จัก (unknown examples) Ensemble of classifiers สามารถสร้างได้หลายวิธี ดังนี้ − 1. โดยการจัดการ Training Set (Manipulating the Training Set) − สร้าง training sets หลายชุดโดย resa

Random Forest (ป่าสุ่ม) เป็นคลาสของ ensemble approaches (วิธีการรวมแบบกลุ่ม) ที่ออกแบบมาโดยเฉพาะสำหรับ Decision Tree Classifiers มันรวมการทำนาย (predictions) ที่ทำโดย Decision Trees หลายต้น โดยแต่ละต้นสร้างขึ้นจากค่าของชุดเวกเตอร์สุ่ม (random vectors) ที่แยกจากกัน เวกเตอร์สุ่มถูกสร้างจาก probabili

ROC** ย่อมาจาก **Receiver Operating Characteristic Curve** เป็นวิธีการแสดงผลแบบกราฟิกเพื่อแสดง trade-off (การแลกเปลี่ยน) ระหว่าง True Positive Rate (TPR) และ False Positive Rate (FPR) ของ classifier (ตัวจำแนก) ในกราฟ ROC แกน Y (g axis) คือ True Positive Rate (TPR) และแกน X (r axis) คือ False Posit

การสุ่มตัวอย่าง (Sampling) เป็นวิธีที่ใช้กันอย่างกว้างขวางสำหรับจัดการปัญหาความไม่สมดุลของคลาส (Class Imbalance Problem) แนวคิดของการสุ่มตัวอย่างคือการเปลี่ยนแปลงการกระจายของตัวอย่าง (Examples) เพื่อให้คลาสหายาก (Rare Class) ถูกแทนที่ได้ดีในชุดฝึกอบรม มีเทคนิคต่างๆ สำหรับการสุ่มตัวอย่าง เช่น undersa

Support (การสนับสนุน) เป็นขนาดที่สำคัญเพราะกฎที่มี support ต่ำมากสามารถเกิดขึ้นได้ง่ายโดยโอกาส (Chance) กฎที่มี support ต่ายังเป็นไปได้ที่จะน่าเบื่อจากมุมมองธุรกิจ เพราะไม่คุ้มค่าที่จะปรับปรุงรายการที่ผู้ใช้ซื้อร่วมกันนานๆ กฎการเชื่อมโยง (Association Rule) เป็นคำอธิบายแบบบ่งชี้ (Implication) ในรูปแ

การนับการสนับสนุน (Support Counting) เป็นกระบวนการตัดสินใจความถี่ของการปรากฏ (Frequency of Occurrence) สำหรับแต่ละ candidate itemset ที่รอดชีวิตจากขั้นตอนการตัดแต่ง candidate (Candidate Pruning Step) ของฟังก์ชัน apriori-gen วิธีหนึ่งสำหรับทำสิ่งนี้คือการเปรียบเทียบแต่ละธุรกรรมกับแต่ละ candidate ite

ความซับซ้อนทางการคำนวณ (Computational Complexity) ของอัลกอริทึม Apriori สามารถได้รับอิทธิพลจากปัจจัยต่อไปนี้: เกณฑ์การสนับสนุน (Support Threshold) การลดเกณฑ์การสนับสนุนทำให้ itemsets ขนาดใหญ่กว่าถูกระบุว่าเป็น frequent นี่มีผลกระทบต่อความซับซ้อนทางการคำนวณของอัลกอริทึมโดยไม่利 เพราะ candidate itemse

Maximal frequent itemset ถูกแทนเป็น frequent itemset ที่ไม่มี supersets (เซตซูเปอร์) โดยตรงที่เป็น frequent Itemsets ใน lattice แบ่งออกเป็นสองกลุ่ม ได้แก่ ที่เป็น frequent และที่เป็น infrequent ขอบเขต frequent itemset (Frequent Itemset Border) ซึ่งถูกกำหนดโดยเส้นประ Itemset ทุกตัวที่ตั้งอยู่เหนือขอ

Apriori เป็นอัลกอริทึมที่ได้รับการแก้ไขอย่างแข็งขันต่อการระเบิดแบบคอมบิเนทอเรียล (Combinatorial Explosion) ของการสร้าง frequent itemset มันทำได้โดยการใช้หลักการ Apriori (Apriori Principle) เพื่อลดพื้นที่ค้นหาแบบเอ็กซ์โพเนนเชียล (Exponential Search Space) 儘管การปรับปรุงประสิทธิภาพที่สำคัญ อัลกอริทึมได

FP-tree เป็นการแทนข้อมูลที่แน่นหนา (Compact Representation) ของข้อมูลป้อนเข้า มันถูกสร้างขึ้นโดยการอ่านชุดข้อมูลทีละธุรกรรม (Transaction) และวัดแต่ละธุรกรรมบนเส้นทาง (Path) ใน FP-tree ธุรกรรมหลายๆ อาจมีรายการ (Items) ร่วมกันหลายอย่าง เส้นทางของพวกเขาจึงอาจทับซ้อนกัน (Overlap) ยิ่งเส้นทางทับซ้อนกันม

เป็นอัลกอริทึมการนำกฎเข้าสู่การใช้งาน (Rule Induction Algorithm) ที่ใช้กันอย่างกว้างขวางชื่อ RIPPER อัลกอริทึมนี้ขยายตัวเกือบเชิงเส้น (Scales Almost Linearly) กับจำนวนอินสแตนซ์ฝึกอบรม และเหมาะอย่างยิ่งสำหรับการสร้างโมเดลจากชุดข้อมูลที่มีการกระจายคลาสเกิน (Overloaded Class Distributions) RIPPER ทำงาน

กฎเพื่อนบ้านใกล้ที่สุด (Nearest Neighbour Rule) ให้ประสิทธิภาพสูงบ่อยครั้ง โดยไม่ต้องมีสมมติฐานก่อนหน้าเกี่ยวกับการกระจายที่ตัวอย่างฝึกอบรมถูกดึงมา มันรวมชุดฝึกอบรมของทั้งกรณีบวก (Positive) และลบ (Negative) ตัวอย่างใหม่ถูกจำแนกประเภทโดยการคำนวณระยะทางไปยังกรณีฝึกอบรมที่สะดวก (Convenient) ตัวชี้วัดขอ