การขุดข้อมูล

Data Mining คืออะไร:

Data mining เป็นคำภาษาอังกฤษที่เชื่อมโยงกับ วิทยาการคอมพิวเตอร์ ที่มีการแปลเป็น data mining ประกอบด้วยฟังก์ชันที่ รวบรวมและจัดระเบียบข้อมูล ค้นหาใน รูปแบบที่ เกี่ยวข้องการเชื่อมโยง การเปลี่ยนแปลง และ ความผิดปกติ

คำว่า data mining เริ่มขึ้นครั้งแรกในปี 1990 ในชุมชนฐานข้อมูล Data mining เป็นขั้นตอนการวิเคราะห์กระบวนการที่เรียกว่า KDD (การ ค้นพบความรู้ในฐานข้อมูล ) ซึ่งแปลตามตัวอักษรว่าเป็น "การค้นพบความรู้ในฐานข้อมูล"

การทำเหมืองข้อมูล สามารถแบ่งออกเป็นขั้นตอนพื้นฐานไม่กี่: การสำรวจการสร้างแบบจำลองการกำหนดรูปแบบและการตรวจสอบและการตรวจสอบ

Data mining เป็นวิธีปฏิบัติที่ค่อนข้างเร็วที่สุดในโลกของการคำนวณและใช้การดึงข้อมูลปัญญาประดิษฐ์การจดจำรูปแบบและเทคนิคทางสถิติเพื่อค้นหาความสัมพันธ์ระหว่างข้อมูลที่แตกต่างกัน สำหรับ บริษัท การ ทำเหมืองข้อมูล อาจเป็นเครื่องมือสำคัญที่ช่วยยกระดับนวัตกรรมและผลกำไร

การใช้ data mining นั้นค่อนข้างพบได้ทั่วไปในฐานข้อมูลขนาดใหญ่และผลลัพธ์สุดท้ายของการใช้งานนั้นสามารถแสดงผ่านกฎเกณฑ์สมมติฐานต้นไม้ตัดสินใจต้นไม้ดินและอื่น ๆ

การขุดข้อมูลที่ดำเนินการอย่างดีควรทำภารกิจเช่น: การตรวจจับความผิดปกติ, การเรียนรู้กฎการเชื่อมโยง (การสร้างแบบจำลองอ้างอิง), การ จัดกลุ่ม, การจำแนก, การถดถอยและการสรุป กระบวนการ ขุดข้อมูล มักเกิดขึ้นโดยใช้ข้อมูลที่มีอยู่ใน คลังข้อมูล

มีหลาย บริษัท และ ซอฟต์แวร์ ที่ใช้ในการขุดข้อมูลเนื่องจากการระบุรูปแบบในฐานข้อมูลมีความสำคัญมากขึ้นเรื่อย ๆ อย่างไรก็ตามการระบุมาตรฐานที่เกี่ยวข้องนั้นไม่ได้เป็นเอกลักษณ์ของโลกคอมพิวเตอร์ สมองของมนุษย์ใช้กระบวนการที่คล้ายกันเพื่อระบุรูปแบบและรับความรู้

ในช่วงไม่กี่ปีที่ผ่านมาการขุดข้อมูลได้ถูกใช้อย่างกว้างขวางในสาขาวิทยาศาสตร์และวิศวกรรมศาสตร์เช่นชีวสารสนเทศศาสตร์พันธุศาสตร์การแพทย์การศึกษาและวิศวกรรมไฟฟ้า

แนวคิดของการ ขุดข้อมูล มักเกี่ยวข้องกับการดึงข้อมูลเกี่ยวกับพฤติกรรมของผู้คน ด้วยเหตุผลนี้ในบางสถานการณ์การขุดข้อมูลทำให้เกิดปัญหาทางกฎหมายและประเด็นที่เกี่ยวข้องกับความเป็นส่วนตัวและจริยธรรม อย่างไรก็ตามเรื่องนี้หลายคนอ้างว่าการทำเหมืองข้อมูลมีความเป็นกลางทางจริยธรรมเนื่องจากไม่มีความหมายทางจริยธรรม

ตัวอย่างการ ขุดข้อมูล จริง

การทำเหมืองข้อมูลมักจะถูกใช้โดย บริษัท และองค์กรเพื่อให้ได้ความรู้เกี่ยวกับผู้ใช้ / พนักงาน / ลูกค้า ตัวอย่างเช่นในภาครัฐมันเป็นไปได้ที่จะตรวจสอบระหว่างสถานภาพการสมรสของพนักงานและเงินเดือนที่เขาได้รับเพื่อดูว่าสิ่งนี้มีอิทธิพลต่อชีวิตสมรสของเขา

บริษัท ต่าง ๆ เช่นกลุ่มซูเปอร์มาร์เก็ตสามารถใช้ข้อมูลข้ามเพื่อกำหนดผลิตภัณฑ์ที่ซื้อมาพร้อมกันได้ หากลูกค้าที่ซื้อผลิตภัณฑ์ X ซื้อผลิตภัณฑ์ Y ด้วยเช่นกันอาจเป็นความคิดที่ดีที่จะวางตำแหน่งผลิตภัณฑ์สองแห่งใกล้เคียงเพื่อให้ลูกค้าซื้อได้ง่ายขึ้น