ข้อจำกัดของ Data Mining Data mining คือกระบวนการหา useful new correlations, patterns, trends โดย screening through large amount of data ใน repositories ใช้ pattern recognition technologies: statistical และ mathematical techniques เป็นการวิเคราะห์ factual datasets หา unsuspected relationships และ su

Distance Function (ฟังก์ชันระยะทาง) Distance คือวิธีที่ MBR คำนวณ similarity สำหรับ true distance metric ระยะทางจากจุด A ไป B แทนด้วย d(A,B) มี 4 คุณสมบัติ: Well-defined (ชัดเจน): ระยะทางระหว่างสองจุดนิยามเสมอ และเป็น nonnegative real number d(A,B) ≥ 0 Identity (เอกลักษณ์): ระยะทางจากจุดไปตัวเองเป

การใช้ Data Mining ในภาคธุรกิจ Data mining หรือ Knowledge Discovery in Data เป็นเทคนิคระบุ anomalies, correlations, trends, หรือ patterns ระหว่างล้านล้านข้อมูล (โดยเฉพาะ structured data) เพื่อดึง insights ที่มีประโยชน์สำหรับ business decision making และอาจพลาดใน traditional analysis วัตถุประสงค์: ห

Collaborative Filtering (การกรองร่วมมือ) Collaborative filtering เป็น variant ของ memory-based reasoning ที่เหมาะอย่างยิ่งสำหรับแอปพลิเคชัน personalized recommendations ระบบ collaborative filtering เริ่มจาก history ของ user preferences Distance function กำหนด similarity จาก overlap ของ preferences:

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, s

แอปพลิเคชันของ Association Rule Association rule learning เป็น unsupervised learning method ที่ทดสอบ dependence ของ data element หนึ่งต่ออีก element และสร้างให้มีประสิทธิภาพมากขึ้น พยายามค้นพบ interesting relations ระหว่าง variables ใน dataset ขึ้นอยู่กับหลาย rules หา interesting relations ระหว่าง

ขั้นตอนของ Knowledge Discovery in Databases (KDD) KDD = Knowledge Discovery in Databases นิยามกระบวนการกว้างของการค้นพบความรู้ในข้อมูล และเน้น high-level applications ของ definite data mining techniques เป็นสาขาที่นักวิจัยหลายสาขาสนใจ: AI, machine learning, pattern recognition, databases, statistic

Market Basket Analysis (การวิเคราะห์ตะกร้าสินค้า) Market basket analysis ไม่ได้แทน single method แต่แทนชุดของ business problems ที่เกี่ยวกับการเข้าใจ point-of-sale transaction data Market basket data คือ transaction data ที่แทนสาม entity พื้นฐานที่ต่างกัน: users, orders (purchases/baskets/item sets

ประเภทของ Bitcoin Wallet Bitcoin wallet เป็นประเภทของ digital wallet ที่ส่งและรับบิทคอยน์ได้ เหมือนกระเป๋าจริง แต่แทนที่จะเก็บสกุลเงินกายภาพ wallet เก็บ cryptographic information ที่เข้าถึง Bitcoin addresses และส่ง transactions บาง Bitcoin wallets ใช้ได้กับ cryptocurrencies อื่นๆ ด้วย ประเภทหลักขอ

Orange Data Mining Orange เป็น C++ core object และ routines library ที่รวม huge method ของ standard และ non-standard machine learning และ data mining algorithms เป็น open-source data visualization, data mining, และ machine learning tool ใน Orange เป็น scriptable environment สำหรับ rapid prototypin

Regression (การทดแทน) คืออะไร? Regression เป็นประเภทของ supervised machine learning approaches ที่ใช้ทำนาย attribute ที่มีค่าต่อเนื่อง (continuous-valued attribute) Regression ช่วยให้องค์กรธุรกิจสำรวจความสัมพันธ์ระหว่าง target variable และ predictor variable เป็นเครื่องมือสำคัญสำหรับ financial fore

ประเภทของ Regression (Types of Regression) Regression เป็น supervised machine learning approach ทำนาย continuous-valued attribute ช่วยสำรวจความสัมพันธ์ target variable และ predictor variable เครื่องมือสำคัญสำหรับ financial forecasting และ time series modeling 1. Linear Regression (การทดแทนเชิงเส้น

Regression (การทดแทน/ทำนายค่าต่อเนื่อง) Regression เป็นประเภทของ supervised machine learning approaches ที่ใช้ทำนาย attribute ที่มีค่าต่อเนื่อง (continuous-valued attribute) Regression ช่วยให้องค์กรธุรกิจสำรวจความสัมพันธ์ระหว่าง target variable และ predictor variable เป็นเครื่องมือสำคัญสำหรับสำรวจข

CART Pruning Algorithm CART เป็น decision tree algorithm ที่มีชื่อเสียง สร้างโดย Leo Breiman, Jerome Friedman, Richard Olshen, และ Charles Stone ในปี 1984 CART ย่อมาจาก Classification and Regression Trees CART algorithm สร้าง binary trees และแบ่งต่อไปเรื่อยๆ ตราบใดที่ยังหา new splits ที่เพิ่ม purit

C5 Pruning Algorithm C5 เป็นเวอร์ชันปัจจุบันของ decision-tree algorithm ที่นักวิจัยออสเตรเลีย J. Ross Quinlan พัฒนาและปรับปรุงมาหลายปี เวอร์ชันก่อนหน้า ID3 สร้างในปี 1986 มีอิทธิพลใน machine learning และตัวต่อมาถูกใช้ในบริการ data mining ทางการค้าหลายแห่ง Trees ที่ C5 สร้าง คล้ายกับที่ CART สร้าง

Feed-Forward Neural Networks Feed-forward neural networks อนุญาตให้สัญญาณเดินทางได้เพียงทิศทางเดียว จาก input ไป output ไม่มี feedback (loops) หมายถึง output ของ layer ไหนไม่ส่งผลกลับไปที่ layer เดียวกัน Feed-forward networks มักเป็น networks ที่เรียบง่าย ผูกมัด inputs กับ outputs ใช้ได้ใน pattern

Neural Network เรียนรู้ด้วย Back Propagation Neural network เป็นลำดับของอัลกอริทึมที่พยายามระบุความสัมพันธ์พื้นฐานในชุดข้อมูล ผ่านกระบวนการที่เลียนแบบวิธีที่สมองมนุษย์ทำงาน ในแนวทางนี้ neural networks แทนระบบของ neurons ไม่ว่าจะเป็น organic หรือ artificial Neural Networks เป็นแนวทางวิเคราะห์ที่สร้

แอปพลิเคชันของ Memory Based Reasoning (MBR) ความสามารถของมนุษย์ในการให้เหตุผลจากประสบการณ์ ขึ้นอยู่กับความสามารถในการระบุตัวอย่างที่เหมาะสมจากอดีต แพทย์วินิจฉัยโรค, นักวิเคราะห์เคลมตรวจสอบการฉ้อโกงประกันทรัพย์สิน, และคนหาเห็ดชี้เห็ด Morels กำลังทำกระบวนการเดียวกัน แต่ละคนระบุ case ที่คล้ายจากประสบ

อัลกอริทึม Grid-Based Clustering Grid (กริด) เป็นวิธีมีประสิทธิภาพจัดระเบียบชุดข้อมูล โดยเฉพาะในมิติต่ำ แนวคิดคือแบ่งค่าที่เป็นไปได้ของแต่ละแอตทริบิวต์เป็นช่วงติดต่อกันหลายช่วง สร้างชุดของ grid cells ทุกวัตถุจะตกอยู่ใน grid cell ที่ช่วงแอตทริบิวต์ตรงกับค่าของวัตถุ วัตถุสามารถกำหนดให้ grid cells ได

แนวทางของ Graph-based Clustering กระบวนการรวมชุดวัตถุทางกายภาพหรือนามธรรมเป็นชั้นเรียนของวัตถุเดียวกัน เรียกว่า clustering กลุ่มคือชุดวัตถุข้อมูลที่คล้ายกันภายในกลุ่มเดียวกัน และแตกต่างจากวัตถุในกลุ่มอื่น กลุ่มข้อมูลมองรวมเป็นหนึ่งกลุ่มในหลายแอปพลิเคชัน Cluster analysis เป็นกิจกรรมสำคัญของมนุษย์ C