Association Rule Learning (การเรียนรู้กฎเชื่อมโยง) เป็นเทคนิคการเรียนรู้แบบไม่มีผู้กำกับ (Unsupervised Learning) ที่ทดสอบความพึ่งพาขององค์ประกอบข้อมูลหนึ่งต่ออีกองค์ประกอบหนึ่ง และจับคู่ตามนั้นเพื่อให้มีประสิทธิภาพด้านต้นทุนมากขึ้น มันพยายามค้นพบความสัมพันธ์หรือความเชื่อมโยงที่น่าสนใจระหว่างตัวแปรใ

การขุดข้อมูล (Data Mining) คือขั้นตอนการค้นพบความสัมพันธ์ รูปแบบ และแนวโน้มที่เป็นประโยชน์และใหม่ๆ โดยการวิเคราะห์ปริมาณข้อมูลจำนวนมากที่จัดเก็บในคลังข้อมูล โดยใช้เทคโนโลยีการรู้จำรูปแบบ รวมถึงเทคนิคทางสถิติและคณิตศาสตร์ นั่นคือการวิเคราะห์ชุดข้อมูลเชิงความเป็นจริงเพื่อค้นพบความสัมพันธ์ที่ไม่คาดคิด

ETL (Extract, Transform, Load) ETL ย่อมาจาก Extract, Transform, and Load เป็น process ที่ data-driven organizations ใช้ gather data จาก multiple sources และรวมเข้าด้วยกัน เพื่อ support discovery, reporting, analysis, และ decision-making Data sources อาจ divergent ใน type, format, volume, reliabili

ELT (Extract, Load, Transform) ELT ย่อมาจาก Extract, Load, and Transform เป็น data integration process สำหรับ transferring raw data จาก source server ไป data system (data warehouse หรือ data lake) บน target server แล้ว prepare data สำหรับ downstream uses Extract และ load procedure สามารถแยกจาก tra

ETL (Extract, Transform, Load) ETL ย่อมาจาก Extract, Transform, and Load เป็น process ที่ data-driven organizations ใช้ gather data จาก multiple sources และรวมเข้าด้วยกัน เพื่อ support discovery, reporting, analysis, และ decision-making น่าสนใจคิดว่า creating data warehouse คือแค่ extract data จาก

Business Intelligence (BI) Business Intelligence คือ collection ของ procedures, mechanisms, และ technologies ที่แปลง raw data เป็น significant information ที่ขับเคลื่อน cost-effective business actions เป็น collection ของ software และ services แปลง data เป็น actionable intelligence และ insights BI ม

Descriptive Data Mining (การขุดข้อมูลเชิงรรทะ) Descriptive mining ใช้ correlation, cross-tabulation, frequency, เป็นต้น วิธีเหล่านี้ decide datas regularities และ reveal patterns เน้น summarization และ conversion ของ records เป็น meaningful information สำหรับ reporting และ monitoring Descriptive m

Spatial Data Mining (การขุดข้อมูลเชิงพื้นที่) Spatial data mining เป็นการประยุกต์ data mining ไปกับ spatial models ใน spatial data mining analysts ใช้ geographical หรือ spatial records สร้าง business intelligence หรือผลลัพธ์อื่นๆ ต้องการ specific techniques และ resources เพื่อได้ geographical infor

Concept Description (คำอธิบายแนวคิด) Concept Description เป็น definitive type ของ data mining นิยามชุดข้อมูล เช่น frequent buyers, graduate candidates เป็นต้น อธิบาย characterization และ comparison ของข้อมูล เรียกอีกอย่างว่า class description เมื่อ concept ที่จะอธิบายถูกนิยามเป็น class of objects ค

การทำงานของ Association Rule Association rule learning เป็น unsupervised learning method ที่ทดสอบ dependence ของ data element หนึ่งต่ออีก element และสร้างให้ effective มากขึ้น พยายามค้นพบ interesting relations ระหว่าง variables ใน dataset ขึ้นอยู่กับหลาย rules หา interesting relations ระหว่าง varia

Agglomerative Clustering Algorithm Agglomerative clustering เป็น bottom-up clustering method ที่ clusters มี subclusters ซึ่งต่อไปมี sub-clusters เริ่มต้นโดยวางแต่ละ object ใน cluster ของตัวเอง แล้วผสม atomic clusters เหล่านี้เป็น larger และ larger clusters จนกว่า all objects จะอยู่ใน single cluste

ตัวอย่าง Data Generalization และ Analytical Generalization Data generalization สรุปข้อมูลโดยแทนที่ relatively low-level values (เช่น numeric value สำหรับ attribute age) ด้วย high-level concepts (เช่น young, middle-aged, senior) เป็นกระบวนการที่ abstract large set of task-relevant data ใน database จ

Class Discrimination / Comparison (การแบ่งแยก/เปรียบเทียบคลาส) Class discrimination ในบริบทนี้หมายถึงการเปรียบเทียบ target class กับ contrasting classes (ไม่ใช่ classism ทางสังคม) Data discrimination หรือ comparison ขุดคำอธิบายที่วิเคราะห์ target class จาก divergent classes ตัวอย่าง: สาม classes pe

Analytical Characterization และ Attribute Relevance Analysis เป็น statistical approach สำหรับ preprocessing data เพื่อ filter out irrelevant attributes หรือ rank relevant attributes Measures of attribute relevance analysis ใช้ระบุ irrelevant attributes ที่สามารถ exclude ออกจาก concept description p

Statistical Measures ใน Large Databases Relational database systems รองรับ built-in aggregate functions 5 ตัว: count(), sum(), avg(), max(), min() Aggregate functions นี้ใช้เป็น basic measures ใน descriptive mining ของ multidimensional information มี descriptive statistical measures 2 ประเภท ใช้ได้

ประเภทของ Partitional Algorithms มีสองประเภทของ partitional algorithms: 1. K-means Clustering K-means clustering เป็น partitioning algorithm ที่ common ที่สุด K-means reassigns แต่ละ data ใน dataset ให้กับ only one ของ new clusters ที่สร้างขึ้น Record/data point กำหนดให้ nearest cluster โดยใช้ mea

ตัวอย่างของ Unsupervised Learning Unsupervised learning คือเมื่อให้ชุดข้อมูลที่ไม่มี label (unlabelled data) ต้องวิเคราะห์และหา patterns ภายใน ตัวอย่าง: dimension reduction และ clustering Training ให้ machine ด้วยชุดข้อมูลที่ไม่ได้ labeled, classified, หรือ categorized algorithm ต้องทำงานบนข้อมูลนั

STING: Statistical Information Grid Approach Grid-based clustering methods ใช้ multi-resolution grid data structure Quantize object space เป็น finite number of cells สร้าง grid structure ที่ operations ทั้งหมดสำหรับ clustering ทำงานบนมัน ข้อดี: quick processing time โดยทั่วไป independent ของจำนวน d

Evolutionary Technologies (เทคโนโลยีเชิงวิวัฒนาการ) Evolutionary algorithm คือ evolutionary AI-based computer software ที่แก้ปัญหาโดยใช้ processes ที่เลียนแบบพฤติกรรมของสิ่งมีชีวิต จึงต้องการ mechanisms ที่เกี่ยวข้องกับ biological evolution โดยทั่วไป: reproduction (การสืบพันธุ์), mutation (การกลายพ

องค์ประกอบของ MBR (Memory Based Reasoning) 1. Choosing the Training Set (การเลือก Training Set) Training set ประกอบด้วย 49,652 news stories จาก news retrieval service สำหรับวัตถุประสงค์นี้ มาจากประมาณ 3 เดือนของข่าว และเกือบ 100 แหล่งที่มาต่างๆ แต่ละ story มีค่าเฉลี่ย 2,700 คำ และมี 8 codes ที่กำห