Data Mining Tutorial for CS for Android APK

คำอธิบาย

การทำเหมืองข้อมูลเป็นกระบวนการของการค้นหารูปแบบในชุดข้อมูลขนาดใหญ่ที่เกี่ยวข้องกับวิธีการที่มาบรรจบกันของการเรียนรู้ด้วยเครื่อง สถิติ และระบบฐานข้อมูล การทำเหมืองข้อมูลเป็นสาขาย่อยแบบสหวิทยาการของวิทยาการคอมพิวเตอร์และสถิติโดยมีเป้าหมายโดยรวมในการดึงข้อมูล (ด้วยวิธีการที่ชาญฉลาด) จากชุดข้อมูลและแปลงข้อมูลให้เป็นโครงสร้างที่เข้าใจได้เพื่อการใช้งานต่อไป การทำเหมืองข้อมูลเป็นขั้นตอนการวิเคราะห์ของกระบวนการ "การค้นพบความรู้ในฐานข้อมูล" หรือ KDD นอกเหนือจากขั้นตอนการวิเคราะห์ดิบแล้ว ยังเกี่ยวข้องกับด้านการจัดการฐานข้อมูลและข้อมูล การพิจารณาก่อนการประมวลผลข้อมูล การพิจารณาแบบจำลองและการอนุมาน ตัวชี้วัดความน่าสนใจ การพิจารณาความซับซ้อน หลังการประมวลผลของโครงสร้างที่ค้นพบ การแสดงภาพ และการอัปเดตออนไลน์

คำว่า "การทำเหมืองข้อมูล" เป็นการเรียกชื่อที่ผิด เพราะเป้าหมายคือการดึงรูปแบบและความรู้จากข้อมูลจำนวนมาก ไม่ใช่การสกัด (การขุด) ของข้อมูลเอง นอกจากนี้ยังเป็นคำศัพท์และมักใช้กับข้อมูลขนาดใหญ่หรือการประมวลผลข้อมูลทุกรูปแบบ (การรวบรวม การสกัด การจัดเก็บ การวิเคราะห์ และสถิติ) ตลอดจนการประยุกต์ใช้ระบบสนับสนุนการตัดสินใจของคอมพิวเตอร์ รวมถึงปัญญาประดิษฐ์ (เช่น เครื่องจักร) การเรียนรู้) และระบบธุรกิจอัจฉริยะ หนังสือ Data mining: เครื่องมือและเทคนิคการเรียนรู้ของเครื่องที่ใช้งานจริงด้วย Java (ซึ่งครอบคลุมเนื้อหาการเรียนรู้ของเครื่องเป็นส่วนใหญ่) เดิมชื่อเป็นเพียงการเรียนรู้ของเครื่องที่ใช้งานได้จริง และคำว่าการทำเหมืองข้อมูลนั้นถูกเพิ่มเข้ามาเพื่อเหตุผลทางการตลาดเท่านั้น บ่อยครั้ง การวิเคราะห์และวิเคราะห์ข้อมูลด้วยคำศัพท์ทั่วไป (ขนาดใหญ่) หรือเมื่อกล่าวถึงวิธีการจริง ปัญญาประดิษฐ์และการเรียนรู้ของเครื่องจะเหมาะสมกว่า

งานการขุดข้อมูลจริงคือการวิเคราะห์ข้อมูลปริมาณมากแบบกึ่งอัตโนมัติหรืออัตโนมัติเพื่อดึงข้อมูลรูปแบบที่น่าสนใจและไม่รู้จักก่อนหน้านี้ เช่น กลุ่มของบันทึกข้อมูล (การวิเคราะห์คลัสเตอร์) บันทึกที่ผิดปกติ (การตรวจจับความผิดปกติ) และการพึ่งพา (การขุดกฎการเชื่อมโยง การขุดรูปแบบตามลำดับ) ซึ่งมักจะเกี่ยวข้องกับการใช้เทคนิคฐานข้อมูลเช่นดัชนีเชิงพื้นที่ จากนั้นรูปแบบเหล่านี้จะถูกมองว่าเป็นข้อมูลสรุปประเภทหนึ่ง และอาจใช้ในการวิเคราะห์เพิ่มเติมหรือ ตัวอย่างเช่น ในการเรียนรู้ของเครื่องและการวิเคราะห์เชิงคาดการณ์ ตัวอย่างเช่น ขั้นตอนการทำเหมืองข้อมูลอาจระบุกลุ่มต่างๆ ในข้อมูล ซึ่งสามารถนำไปใช้เพื่อให้ได้ผลการคาดการณ์ที่แม่นยำยิ่งขึ้นโดยระบบสนับสนุนการตัดสินใจ การรวบรวมข้อมูล การเตรียมข้อมูล หรือการตีความผลลัพธ์และการรายงานไม่ได้เป็นส่วนหนึ่งของขั้นตอนการทำเหมืองข้อมูล แต่จะไม่ใช่ของกระบวนการ KDD โดยรวมซึ่งเป็นขั้นตอนเพิ่มเติม

คลังข้อมูลถูกสร้างขึ้นโดยการรวมข้อมูลจากแหล่งที่แตกต่างกันหลายแห่ง

สนับสนุนการรายงานเชิงวิเคราะห์ การค้นหาแบบมีโครงสร้างและ/หรือเฉพาะกิจ และการตัดสินใจ บทช่วยสอนนี้ใช้วิธีการทีละขั้นตอนเพื่ออธิบายแนวคิดที่จำเป็นทั้งหมดของการคลังข้อมูล

คอลเลกชันบทแนะนำของหมวดหมู่อยู่ด้านล่างและให้หัวข้อไลค์ทั้งหมด

ภาพรวมคลังข้อมูล

แนวคิดคลังข้อมูล

กระบวนการระบบคลังข้อมูล

สถาปัตยกรรมคลังข้อมูล

คำศัพท์คลังข้อมูล

กระบวนการจัดส่งคลังข้อมูล

Data Warehouse หลายมิติ OLAP

สคีมาคลังข้อมูล

การทดสอบคลังข้อมูล

แง่มุมในอนาคตของคลังข้อมูล

คำถามสัมภาษณ์คลังข้อมูล

กลยุทธ์การแบ่งพาร์ทิชันคลังข้อมูล

แนวคิดข้อมูลเมตาของคลังข้อมูล

คลังข้อมูล Data Martining

ผู้จัดการระบบคลังข้อมูล

ผู้จัดการกระบวนการคลังข้อมูล

ความปลอดภัยของคลังข้อมูล

การปรับแต่งคลังข้อมูล

และอื่น ๆ อีกมากมาย