การประมวลผลข้อมูล, OLAP และการทำเหมืองข้อมูล มีแอปพลิเคชันคลังข้อมูล (Data Warehouse) สามประเภท ได้แก่ การประมวลผลข้อมูล (Information Processing), การประมวลผลเชิงวิเคราะห์ (Analytical Processing), และการทำเหมืองข้อมูล (Data Mining) 1. การประมวลผลข้อมูล (Information Processing) ให้บริการสอบถาม (Quer

เทคนิคเพิ่มประสิทธิภาพการคำนวณ Data Cube เทคนิคเพิ่มประสิทธิภาพทั่วไปสำหรับการคำนวณ Data Cube อย่างมีประสิทธิภาพ มีดังนี้: 1. การจัดเรียง, การแฮช, และการจัดกลุ่ม (Sorting, Hashing, and Grouping) การดำเนินการจัดเรียง, แฮช, และจัดกลุ่ม ควรนำไปใช้กับแอตทริบิวต์มิติ (Dimension Attributes) เพื่อจัดเรียง

แอปพลิเคชันของการทำเหมืองรูปแบบ มีแอปพลิเคชันหลากหลายของการทำเหมืองรูปแบบ ดังนี้: การกรอง雜訊และทำความสะอาดข้อมูล (Noise Filtering and Data Cleaning): ใช้เป็นขั้นตอนก่อนประมวลผล (Preprocessing) ในแอปพลิเคชันที่ใช้ข้อมูลหนักหลายอย่าง สามารถใช้สำรวจข้อมูลไมโครอาร์เรย์ (Microarray Data) ได้ ซึ่งมีหลายห

การจัดประเภทแบบรับรู้ (Perception-based Classification - PBC) PBC เป็นวิธีแบบโต้ตอบ (Interactive) ที่พัฒนาจากเทคนิคการแสดงผลหลายมิติ (Multidimensional Visualization) และช่วยให้ผู้ใช้รวมความรู้พื้นฐาน (Background Knowledge) เกี่ยวกับข้อมูลเมื่อสร้างต้นไม้ตัดสินใจ ด้วยการโต้ตอบทางสายตากับข้อมูล ผู้ใช

เครือข่ายความเชื่อแบบเบย์เซียน (Bayesian Belief Networks) ตัวจำแนกเบย์เซียนแบบ наив (Naïve Bayesian Classifier) สมมติความเป็นอิสระแบบมีเงื่อนไขของคลาส (Class Conditional Independence) คือ ถ้ารู้ป้ายกำกับคลาสของทูเพิล ค่าของแอตทริบิวต์จะถูกสมมติว่าอิสระต่อกันแบบมีเงื่อนไข ซึ่งทำให้การคำนวณง่ายขึ้น เม

การเรียนรู้เชิงกระทำ (Active Learning) การเรียนรู้เชิงกระทำเป็นรูปแบบหนึ่งของการเรียนรู้ภายใต้การดูแล (Supervised Learning) แบบวนซ้ำ ที่เหมาะสมสำหรับสถานการณ์ที่ข้อมูลเพียงพอ แต่ป้ายกำกับคลาส (Class Labels) น้อยหรือมีค่าใช้จ่ายสูงในการได้มา อัลกอริทึมการเรียนรู้เป็น เชิงกระทำ (Active) ที่มันสามารถสอ

วิธีการค้นหากลุ่มย่อยในข้อมูลมิติสูง มีหลายวิธีที่จัดกลุ่มเป็นสามกลุ่มหลัก ได้แก่ เทคนิคค้นหาช่วงย่อย (Subspace Search Techniques), เทคนิคจัดกลุ่มเชิงสหสัมพันธ์ (Correlation-based Clustering Techniques), และเทคนิคบายคลัสเตอร์ (Biclustering Techniques) 1. เทคนิคค้นหาช่วงย่อย (Subspace Search Techniq

แนวคิดกราฟไบพาร์ไทต์ ในกราฟไบพาร์ไทต์ จุดยอด (Vertices) สามารถแบ่งออกเป็นสองชุดที่ไม่ทับซ้อนกัน (Disjoint Sets) ได้ โดยแต่ละเส้นขอบ (Edge) เชื่อมจุดยอดในชุดหนึ่งไปยังจุดยอดในอีกชุดหนึ่ง สำหรับข้อมูลการซื้อของผู้ใช้ AllElectronics ชุดจุดยอดหนึ่งแทนผู้ใช้ (หนึ่งผู้ใช้ต่อจุดยอด) อีกชุดแทนสินค้า (หนึ่งส

หน้าฮับและหน้าอำนาจ ฮับ (Hub) คือชุดหน้าเว็บที่ให้ชุดลิงก์ไปยังหน้าอำนาจ (Authorities) หน้าฮับอาจไม่ได้โดดเด่นหรืออาจมีลิงก์ชี้เข้ามาบ้าง แต่พวกมันให้ลิงก์ไปยังชุดเว็บไซต์ที่โดดเด่นในหัวข้อทั่วไป หน้าฟอร์มเหล่านี้อาจเป็นรายการลิงก์แนะนำในหน้าแรกส่วนตัว รวมถึงเว็บไซต์อ้างอิงที่แนะนำจากหน้าแรกหลักสูตร

การทำเหมืองการใช้งานเว็บ การทำเหมืองการใช้งานเว็บ (Web Usage Mining) ใช้เพื่อสกัดข้อมูล ข้อมูลเชิงลึก และความรู้ที่มีประโยชน์จากข้อมูลบันทึกเว็บ (Weblog Data) และช่วยระบุรูปแบบการเข้าถึงของผู้ใช้ต่อหน้าเว็บ แนวคิดหลัก ในการทำเหมือง การจัดการทรัพยากรเว็บ บุคคลสนใจข้อมูลของคำขอจากผู้เยี่ยมชมเว็บไซต์ท

ทฤษฎีหลักของการทำเหมืองข้อมูล มีทฤษฎีหลายประการที่เป็นพื้นฐานของการทำเหมืองข้อมูล ดังนี้: 1. การลดข้อมูล (Data Reduction) ทฤษฎีนี้มุ่งลดการแสดงผลของข้อมูล โดยแลกความแน่นอนเพื่อความเร็วในการตอบสนองต่อการสอบถามบนฐานข้อมูลขนาดใหญ่ วิธีการลดข้อมูลรวมถึง การแยกค่าเอกineux (Singular Value Decomposition -

Visual data mining** หา implicit และ useful knowledge จาก large data sets ใช้ data และ knowledge visualization methods มนุษย์ visual system ควบคุมโดย eyes และ brain ส่วนหลังคือ dynamic, largely parallel processing และ reasoning engine พร้อม huge knowledge base Visual data mining มองได้ว่าเป็น unif

หนึ่ง solution คือบริษัทให้ consumers มีหลาย opt-out choices ให้ consumers กำหนด limitations บนการใช้ personal information ของพวกเขา เช่น ข้อมูลส่วนตัวของ consumer ไม่ถูกใช้เลยสำหรับ data mining ข้อมูล consumer ใช้ data mining ได้ แต่ identity ของแต่ละ consumer หรือข้อมูลที่นำไปสู่การเปิดเผยตัวตน

Classification (การจัดประเภท) คือกระบวนการค้นพบ model ที่ describes และ categorizes data classes หรือ concepts Model สร้างจากการวิเคราะห์ training data (data objects ที่ทราบ class labels) Model สามารถ predict class label ของ objects ที่ class label ไม่ทราบ Derived model สามารถนำเสนอในหลายรูปแบบ:

Web search engine** คือ specialized computer server ที่ค้นหาข้อมูลบน Web ผลลัพธ์ของ user query คืนเป็น list (เรียกว่า hits) Hits อาจมี web pages, images, และ file types อื่นๆ มี search engines ที่ค้นหาและคืนข้อมูลใน public databases หรือ open directories Search engines แตกต่างจาก web directories ท

มีด้านต่างๆ ของ mining methodology ดังนี้ − Mining various and new kinds of knowledge (ทำเหมืองความรู้หลากหลายและใหม่ๆ) − Data mining ครอบคลุม broad spectrum ของ data analysis และ knowledge discovery ตั้งแต่ data characterization, discrimination, relations, correlation analysis, classification, re

Attribute (แอตทริบิวต์) คือ data field ที่อธิบาย characteristic ของ data object คำว่า attribute, dimension, feature, และ variable ใช้แทนกันได้ในวรรณกรรม Dimension ใช้ใน data warehousing Machine learning literature ใช้ term feature สถิติกรชอบ variable Data mining และ database experts ใช้ attribute

มี major steps ใน data preprocessing 4 ขั้นตอน คือ Data cleaning, Data integration, Data reduction, และ Data transformation ดังนี้ − Data Cleaning (การทำความสะอาดข้อมูล) − Data cleaning routines ทำงาน clean ข้อมูลโดย: เติมค่าที่หายไป (missing values), smoothing noisy data, ระบุหรือกำจัด outliers,

Sequential Pattern Mining** คือการทำเหมือง frequently occurring ordered events หรือ subsequences เป็น patterns ตัวอย่าง sequential pattern คือ users ที่ซื้อ Canon digital camera มักซื้อ HP color printer ภายในหนึ่งเดือน สำหรับ retail data sequential patterns มีประโยชน์สำหรับ shelf placement และ pro

GSP** ย่อมาจาก **Generalised Sequential Patterns** เป็น sequential pattern mining method ที่พัฒนาโดย Srikant และ Agrawal ในปี 1996 เป็นการขยายของ seminal algorithm ของพวกเขาสำหรับ frequent itemset mining ที่เรียกว่า Apriori GSP ใช้ downward-closure property ของ sequential patterns และใช้ multiple-p