The need arises to propose methodol

The need arises to propose methodologies for intelligent data analysis, to enable the extraction of useful knowledge from the data (Fayyad, Piatetsky-Shapiro, & Smyth, 1996). This is the concept of the Knowledge Discovery in Databases (KDD), which can be defined as the nontrivial process of identifying patterns in data with the following characteristics: valid, novel, useful and understandable (Han, 2005). The KDD process is a set of interactive and iterative steps, including among them the pre-processing of the data to correct inaccuracies, incompleteness or inconsistency present, reducing the number of records or finding the most representative features. KDD combines the traditional techniques of knowledge extraction with numerous resources developed in the area of artificial intelligence.

ผลลัพธ์ (ไทย) 1:

ต้องเสนอวิธีการวิเคราะห์ข้อมูลอัจฉริยะ การเปิดใช้งานการสกัดความรู้ที่มีประโยชน์จากข้อมูล (Fayyad, Piatetsky Shapiro, & Smyth, 1996) นี่คือแนวคิดของการค้นพบความรู้ในฐานข้อมูล (KDD), ซึ่งสามารถกำหนดเป็นกระบวนการ nontrivial การระบุรูปแบบในข้อมูลมีลักษณะต่อไปนี้: ถูกต้อง นวนิยาย ประโยชน์ และเข้าใจ (Han, 2005) กระบวนการ KDD เป็นชุดของการโต้ตอบ และซ้ำขั้น รวมทั้งในหมู่พวกเขาก่อนการประมวลผลของข้อมูลไม่ถูกต้อง ความไม่สมบูรณ์ หรือไม่สอดคล้องที่ปัจจุบัน การลดจำนวนของระเบียน หรือค้นหาคุณสมบัติผู้แทนมากที่สุด KDD รวมเทคนิคดั้งเดิมของการสกัดความรู้กับพัฒนาในพื้นที่ของประดิษฐ์ต่าง ๆ มากมาย

ผลลัพธ์ (ไทย) 2:

จำเป็นที่จะต้องเกิดขึ้นเพื่อนำเสนอวิธีการในการวิเคราะห์ข้อมูลอย่างชาญฉลาดเพื่อให้การสกัดความรู้ที่มีประโยชน์จากข้อมูล (Fayyad, Piatetsky-ชาปิโรส์และเบิร์น 1996) เดอะ นี่คือแนวคิดของการค้นพบความรู้ในฐานข้อมูล (KDD) ซึ่งสามารถกำหนดเป็นกระบวนการขับเคลื่อนการระบุรูปแบบในข้อมูลที่มีลักษณะดังต่อไปนี้ถูกต้องนวนิยายที่มีประโยชน์และเข้าใจ (ฮั่น, 2005) กระบวนการ KDD คือชุดของขั้นตอนการโต้ตอบและซ้ำรวมทั้งในหมู่พวกเขาก่อนการประมวลผลของข้อมูลที่จะแก้ไขความไม่ถูกต้องสมบูรณ์หรือไม่สอดคล้องกันในปัจจุบันลดจำนวนของระเบียนหรือหาคุณสมบัติตัวแทนมากที่สุด KDD รวมเทคนิคแบบดั้งเดิมของการสกัดความรู้ที่มีทรัพยากรจำนวนมากได้รับการพัฒนาในพื้นที่ของปัญญาประดิษฐ์

ผลลัพธ์ (ไทย) 3:

ต้องการเสนอระเบียบวิธีการวิเคราะห์ข้อมูลอัจฉริยะ เพื่อช่วยสกัดความรู้ประโยชน์จากข้อมูล ( ฟาเยด piatetsky Shapiro , และ , สมิท , 1996 ) นี้เป็นแนวคิดของการค้นพบความรู้ในฐานข้อมูล ( KDD ) ซึ่งสามารถกำหนดเป็นกระบวนการของการระบุรูปแบบนอนทริเวียลในข้อมูลที่มีลักษณะดังต่อไปนี้ : ถูกต้อง , นวนิยาย , ประโยชน์และเข้าใจ ( ฮั่น , 2005 ) กระบวนการ KDD เป็นชุดของขั้นตอนการโต้ตอบและซ้ำ รวมทั้งในหมู่พวกเขา การประมวลผลของข้อมูลไปเที่ยงหรือไม่ถูกต้อง incompleteness ปัจจุบัน การลดจำนวนของระเบียนหรือการหาคุณลักษณะมากที่สุดแทน KDD รวมเทคนิคดั้งเดิมของการสกัดความรู้ที่มีทรัพยากรมากมายในการพัฒนาพื้นที่ของปัญญาประดิษฐ์