วิกิพีเดีย

ผลต่างระหว่างรุ่นของ "การทำเหมืองข้อมูล"

เรียกดูประวัติแบบโต้ตอบ
← การแก้ไขก่อนหน้า
เนื้อหาที่ลบ เนื้อหาที่เพิ่ม
เห็นภาพข้อความวิกิ
Manop (คุย | ส่วนร่วม)
ผู้ตรวจตรา
การแก้ไข 72,566 ครั้ง
เพิ่มกล่องข้อมูล + จัดหน้าข้อมูล
 
บรรทัด 1:
{{Machine learning bar}}
{{ต้องการอ้างอิง}}▼
'''การทำเหมืองข้อมูล''' ({{lang-en|data mining}}) หรืออาจจะเรียกว่า '''การค้นหาความรู้ในฐานข้อมูล''' ({{lang-en|Knowledge Discovery in Databases}} - KDD) เป็นเทคนิคเพื่อค้นหารูปแบบ (pattern) ของจากข้อมูลจำนวนมหาศาลโดยอัตโนมัติ โดยใช้ขั้นตอนวิธีจากวิชา[[สถิติ]] [[การเรียนรู้ของเครื่อง]] และ [[การรู้จำแบบ]] หรือในอีกนิยามหนึ่ง '''การทำเหมืองข้อมูล''' คือ กระบวนการที่กระทำกับข้อมูล(โดยส่วนใหญ่จะมีจำนวนมาก) เพื่อค้นหารูปแบบ แนวทาง และความสัมพันธ์ที่ซ่อนอยู่ในชุดข้อมูลนั้น โดยอาศัยหลักสถิติ การรู้จำ การเรียนรู้ของเครื่อง และหลักคณิตศาสตร์▼
 
▲'''การทำเหมืองข้อมูล''' ({{lang-en|data mining}}) หรืออาจจะเรียกว่า '''เป็นกระบวนการในการค้นหาความรู้รูปแบบใน[[ชุดข้อมูล]]ขนาดใหญ่ โดยใช้วิธีการของ[[การเรียนรู้ของเครื่อง]] [[สถิติ]] และ[[ระบบฐานข้อมูล''']]<ref (name="acm">{{langcite web |url=http://www.kdd.org/curriculum/index.html |title=Data Mining Curriculum |publisher=[[Association for Computing Machinery|ACM]] [[SIGKDD]] |date=2006-en04-30 |Knowledgeaccessdate=2014-01-27 Discovery}}</ref><ref>{{cite inbook|last1=Han, DatabasesKamber, Pei|first1=Jaiwei, Micheline, Jian|title=Data Mining: Concepts and Techniques|date=June 9, 2011|publisher=Morgan Kaufmann|isbn=978-0-12-381479-1|edition=3rd}}</ref> การทำเหมืองข้อมูลเป็นขั้นตอนวิธีการในการ"การค้นหาความรู้ในฐานข้อมูล" (knowledge discovery in databases - KDD) การทำเหมืองข้อมูลเป็นเทคนิคเพื่อค้นหารูปแบบ (pattern) ของจากข้อมูลจำนวนมหาศาลโดยอัตโนมัติ โดยใช้ขั้นตอนวิธีจากวิชา[[สถิติ]] [[การเรียนรู้ของเครื่อง]] และ [[การรู้จำแบบ]] หรือในอีกนิยามหนึ่ง '''การทำเหมืองข้อมูล''' คือ กระบวนการที่กระทำกับข้อมูล(โดยส่วนใหญ่จะมีจำนวนมาก) เพื่อค้นหารูปแบบ แนวทาง และความสัมพันธ์ที่ซ่อนอยู่ในชุดข้อมูลนั้น โดยอาศัยหลักสถิติ การรู้จำ การเรียนรู้ของเครื่อง และหลักคณิตศาสตร์
 
การประยุกต์ใช้การทำเหมืองข้อมูลได้แก่ การขายปลีกและขายส่ง การธนาคาร การประดิษฐ์และการผลิต การประกันภัย การทำงานของตำรวจ การดูแลสุขภาพ การตลาด การใช้งานอินเทอร์เน็ต การศึกษา เป็นต้น
 
== ความรู้ที่ได้ ==
ความรู้ที่ได้จากการทำเหมืองข้อมูลมีหลายรูปแบบ ได้แก่
; [[กฎความสัมพันธ์]] (Association rule) : แสดงความสัมพันธ์ของเหตุการณ์หรือวัตถุ ที่เกิดขึ้นพร้อมกัน ตัวอย่างของการประยุกต์ใช้กฎเชื่อมโยง เช่น การวิเคราะห์ข้อมูลการขายสินค้า โดยเก็บข้อมูลจาก[[ระบบ ณ จุดขาย]] (POS) หรือร้านค้าออนไลน์ แล้วพิจารณาสินค้าที่ผู้ซื้อมักจะซื้อพร้อมกัน เช่น ถ้าพบว่าคนที่ซื้อเทปวิดีโอมักจะซื้อเทปกาวด้วย ร้านค้าก็อาจจะจัดร้านให้สินค้าสองอย่างอยู่ใกล้กัน เพื่อเพิ่มยอดขาย หรืออาจจะพบว่าหลังจากคนซื้อหนังสือ ก แล้ว มักจะซื้อหนังสือ ข ด้วย ก็สามารถนำความรู้นี้ไปแนะนำผู้ที่กำลังจะซื้อหนังสือ ก ได้
เส้น 18 ⟶ 22:
== ประโยชน์จากการทำเหมืองข้อมูล ==
การทำเหมืองข้อมูล จำเป็นต้องอาศัยบุคลากรจากหลายฝ่าย และต้องอาศัยความรู้จำนวนมาก ถึงจะได้รับประโยชน์อย่างแท้จริง เพราะสิ่งที่ได้จากขั้นตอนวิธีเป็นเพียงตัวเลข และข้อมูล ที่อาจจะนำไปใช้ประโยชน์ได้หรือใช้ประโยชน์อะไรไม่ได้เลยก็เป็นได้ ผู้ที่ศึกษาการทำเหมืองข้อมูลจึงควรมีความรู้รอบด้านและต้องติดต่อกับทุก ๆ ฝ่าย เพื่อให้เข้าใจถึงขอบเขตของปัญหาโดยแท้จริงก่อน เพื่อให้การทำเหมืองข้อมูลเกิดประโยชน์อย่างแท้จริง
=== การประยุกต์ใช้ Data Mining ===
* การขายปลีกและขายส่ง
* การธนาคาร
* การประดิษฐ์และการผลิต
* การประกันภัย
* การทำงานของตำรวจ
* การดูแลสุขภาพ
* การตลาด
* การใช้งานอินเทอร์เน็ต
* การศึกษา
 
== ดูเพิ่ม ==
เส้น 35 ⟶ 29:
* [[ฐานข้อมูล]] (Database)
 
== อ้างอิง ==
== แหล่งข้อมูลอื่น ==
▲{{ต้องการรายการอ้างอิง}}
* [http://www.kdnuggets.com/ KDnuggets] - a portal for Data Mining, Knowledge Discovery, Genomic Mining, Web Mining
 
* [http://www.bitpipe.com/rlist/term/Data-Mining.html Data Mining whitepapers, webcasts and case studies]
[[หมวดหมู่:การค้นหาความรู้ในฐานข้อมูล]]▼
* [http://dmoz.org/Computers/Software/Databases/Data_Mining/ Open Directory Project - Data Mining websites]
[[หมวดหมู่:ปัญญาประดิษฐ์]]
* กลุ่มวิจัยในประเทศไทย
** [http://www.mt.mahidol.ac.th/index.php?option=com_content&view=article&id=534&Itemid=275&lang=th Center of Data Mining and Biomedical Informatics (CDMBI)], [[มหาวิทยาลัยมหิดล]]
** [http://kdl.cpe.ku.ac.th/ Knowledge Discovery from Large Database Research Group (KDL)], [[มหาวิทยาลัยเกษตรศาสตร์]]
** [http://kind.siit.tu.ac.th/ Knowledge Information & Data Management Laboratory (KIND)], [[สถาบันเทคโนโลยีนานาชาติสิรินธร มหาวิทยาลัยธรรมศาสตร์]]
** [http://www.it.kmitl.ac.th/dme/ Data Mining & Data Exploration Laboratory (DME)], [[สถาบันเทคโนโลยีพระจอมเกล้าเจ้าคุณทหารลาดกระบัง]]
* [http://www.dataminingtrend.com/ เว็บรวบรวมข่าวสารทางด้าน data mining]
▲[[หมวดหมู่:การค้นหาความรู้ในฐานข้อมูล]]
{{โครงความรู้}}
{{ไม่เป็นกลาง}}
เข้าถึงจาก "https://th.wikipedia.org/wiki/การทำเหมืองข้อมูล"