Data PreparationDuring data collect

Data Preparation
During data collection, the relevant data is
gathered and the quality of data must be verified.
Usually, the assembled data contains of missing or
incomplete attribute, noisy (containing errors, or
outlier values that deviate from expected), and
inconsistent of data are common. Therefore, the
collected data must be cleaned and transformed
before it can be utilized in data mining system since
data mining should process cleaned data in order to
come out with better and or quality results. Data
cleaning involves several of processes such as filling
in missing values; smoothing noisy data, identifying
or removing outliers, and resolving inconsistencies.
Then, the cleaned data are transformed into a form of
table that is suitable for data mining model. The
cleaned data will be divided into two; training or
learning data (60%) and the rest is for validating the
data. These training data is applied to develop the
model while the validated data is used to verify the
chosen model.

ผลลัพธ์ (ไทย) 1:

จัดเตรียมข้อมูลเป็นช่วงรวบรวมข้อมูล ข้อมูลที่เกี่ยวข้องรวบรวม และต้องสามารถตรวจสอบคุณภาพของข้อมูลโดยปกติ ข้อมูลประกอบประกอบด้วยของหายไป หรือคุณลักษณะที่สมบูรณ์ คะ (ประกอบด้วยข้อผิดพลาด หรือค่า outlier ซึ่งแตกต่างจากที่คาดไว้), และไม่สอดคล้องกันของข้อมูลที่ใช้กันทั่วไป ดังนั้น การต้องทำความสะอาด และเปลี่ยนข้อมูลที่รวบรวมสามารถนำไปใช้ในระบบการทำเหมืองข้อมูลตั้งแต่ก่อนการทำเหมืองข้อมูลการประมวลผลข้อมูลทำความสะอาดเพื่อออกมาดีและหรือคุณภาพ ข้อมูลทำความสะอาดเกี่ยวข้องกับหลาย ๆ กระบวนการเช่นไส้ค่าที่หายไป ข้อมูลเสียงดังผืน ระบุหรือเอา outliers และแก้ไขความไม่สอดคล้องแล้ว เปลี่ยนข้อมูลทำความสะอาดในรูปแบบของตารางที่เหมาะสมสำหรับรูปแบบการทำเหมืองข้อมูล ที่ทำความสะอาดข้อมูลจะแบ่งออกเป็นสอง การฝึกอบรม หรือเรียนรู้ข้อมูล (60%) และส่วนเหลืออยู่สำหรับการตรวจสอบการข้อมูล ข้อมูลการฝึกอบรมเหล่านี้ถูกนำไปใช้ในการพัฒนารูปแบบในขณะที่ใช้ในการตรวจสอบข้อมูลตรวจการรุ่นท่าน

ผลลัพธ์ (ไทย) 2:

การเตรียมข้อมูล
ในระหว่างการเก็บรวบรวมข้อมูลข้อมูลที่เกี่ยวข้องจะถูก
รวบรวมและคุณภาพของข้อมูลต้องถูกตรวจสอบ.
โดยปกติข้อมูลประกอบมีของหายไปหรือ
แอตทริบิวต์ไม่สมบูรณ์มีเสียงดัง (มีข้อผิดพลาดหรือ
ค่าที่เบี่ยงเบนไปจากที่คาดว่าค่าผิดปกติ) และ
ไม่สอดคล้องของข้อมูล เป็นเรื่องธรรมดา ดังนั้น
ข้อมูลที่เก็บจะต้องทำความสะอาดและเปลี่ยน
ก่อนที่จะสามารถนำมาใช้ในระบบการทำเหมืองข้อมูลตั้งแต่
การทำเหมืองข้อมูลควรทำความสะอาดประมวลผลข้อมูลเพื่อที่จะ
ออกมาด้วยดีกว่าและหรือผลที่มีคุณภาพ ข้อมูล
ที่เกี่ยวข้องกับการทำความสะอาดหลายกระบวนการเช่นการกรอกข้อมูล
ในค่าที่ขาดหาย; เรียบข้อมูลมีเสียงดังระบุ
หรือลบค่าผิดปกติและการแก้ไขความไม่สอดคล้องกัน.
จากนั้นข้อมูลที่ทำความสะอาดจะกลายเป็นรูปแบบของ
ตารางที่เหมาะสำหรับการทำเหมืองข้อมูลแบบ
ข้อมูลการทำความสะอาดจะถูกแบ่งออกเป็นสอง; การฝึกอบรมหรือ
ข้อมูลการเรียนรู้ (60%) และส่วนที่เหลือเป็นสำหรับการตรวจสอบ
ข้อมูล ข้อมูลการฝึกอบรมเหล่านี้ถูกนำไปใช้ในการพัฒนา
รูปแบบในขณะที่การตรวจสอบข้อมูลที่จะใช้ในการตรวจสอบ
รูปแบบที่เลือก

ผลลัพธ์ (ไทย) 3:

การเตรียมข้อมูล
ในระหว่างการเก็บรวบรวมข้อมูล ข้อมูลที่เกี่ยวข้องจะถูก
รวมตัวกันและคุณภาพของข้อมูลที่ต้องถูกตรวจสอบ
โดยปกติ ประกอบข้อมูลที่ประกอบด้วยคุณลักษณะไม่สมบูรณ์หรือขาดหาย
หนวกหู ( ที่มีข้อผิดพลาดหรือค่าเบี่ยงเบนจากค่า

ไม่คาดหวัง ) และข้อมูลทั่วไป ดังนั้น ข้อมูล ต้องทำความสะอาด

เปลี่ยนก่อนจึงจะสามารถใช้ในระบบเหมืองข้อมูลเนื่องจาก
การทำเหมืองข้อมูลควรกระบวนการทำความสะอาดข้อมูลเพื่อ
ออกมาดีขึ้น และหรือผลที่มีคุณภาพ ทำความสะอาดข้อมูล
เกี่ยวข้องกับหลายกระบวนการ เช่น การกรอกข้อมูลในค่าสูญหายข้อมูล
; เรียบดังระบุ
หรือลบค่าผิดปกติ และการแก้ไขปัญหาความไม่สอดคล้องกัน .
แล้วล้างข้อมูลจะกลายเป็นรูปแบบของ
ตารางที่เหมาะสมสำหรับแบบจำลองข้อมูลเหมืองแร่
ทำความสะอาดข้อมูลจะถูกแบ่งออกเป็นสอง การฝึกอบรมหรือการเรียนรู้ข้อมูล
( 60% ) และส่วนที่เหลือคือการ
ข้อมูล ข้อมูลการฝึกอบรมเหล่านี้จะใช้เพื่อพัฒนารูปแบบในขณะที่การตรวจสอบข้อมูล

เลือกใช้ในการตรวจสอบรูปแบบ