Dataset and feature selection: It i

Dataset and feature selection: It is often important to select the `right' dataset to mine. Dataset selection is the process of finding which datasets to mine. Feature selection is the process of deciding which attributes to include in the mining process.

Sampling: One way to explore a large dataset is to obtain one or more samples and to analyze the samples. The advantage of sampling is that we can carry out detailed analysis on a sample that would be infeasible on the entire dataset, for very large datasets. The disadvantage of sampling is that obtaining a representative sample for a given task is difficult; we might miss important trends or patterns because they are not re�?ected in the sample. Current database systems also provide poor support for efficiently obtaining samples. Improving database support for obtaining samples with various desirable statistical properties is relatively straightforward and is likely to be available in future DBMSs. Applying sampling for data mining is an area for further research.

Visualization: Visualization techniques can significantly assist in understanding complex datasets and detecting interesting patterns, and the importance of visualization in data mining is widely recognized.

ผลลัพธ์ (ไทย) 1:

เลือกชุดข้อมูลและคุณลักษณะ: มักจะเป็นสิ่งสำคัญในการเลือกชุดข้อมูล 'ขวา' เหมือง เลือกชุดข้อมูลเป็นกระบวนการค้นหา datasets ที่เหมือง เลือกลักษณะการทำงานเป็นกระบวนการตัดสินใจว่า คุณลักษณะการรวมไว้ในกระบวนการทำเหมืองแร่

สุ่มตัวอย่าง: เที่ยวสำรวจขนาดใหญ่ชุดข้อมูลจะได้รับอย่าง น้อยหนึ่งตัวอย่าง และวิเคราะห์ตัวอย่าง ข้อดีของการสุ่มตัวอย่างได้ว่า เราสามารถดำเนินการวิเคราะห์รายละเอียดในตัวอย่างที่จะถอดในชุด ข้อมูลทั้งหมดสำหรับ datasets ขนาดใหญ่มาก ข้อเสียของการสุ่มตัวอย่างมีการรับตัวอย่างตัวแทนสำหรับงานกำหนดให้เป็นเรื่องยาก เราอาจคิดถึงแนวโน้มสำคัญหรือรูปแบบเนื่องจากพวกเขาไม่ได้เรื่อง? ected ในตัวอย่างได้ ระบบฐานข้อมูลปัจจุบันยังให้สนับสนุนที่ดีสำหรับการได้รับตัวอย่างได้อย่างมีประสิทธิภาพ ปรับปรุงฐานข้อมูลสนับสนุนได้รับตัวอย่างที่ มีคุณสมบัติทางสถิติต่าง ๆ ปรารถนาจะค่อนข้างตรงไปตรงมา และมีแนวโน้มที่จะมีในอนาคต DBMSs ใช้สุ่มตัวอย่างการทำเหมืองข้อมูลเป็น พื้นที่สำหรับการวิจัยเพิ่มเติม

แสดงภาพประกอบเพลง: เทคนิคการแสดงภาพประกอบเพลงสามารถช่วยในการเข้าใจ datasets ซับซ้อน และตรวจจับรูปแบบที่น่าสนใจอย่างมาก และความสำคัญของการแสดงภาพประกอบเพลงในการทำเหมืองข้อมูลเป็นที่รู้จักกันอย่างแพร่หลาย

ผลลัพธ์ (ไทย) 2:

ชุดและการเลือกคุณลักษณะ: มันมักจะเป็นสิ่งสำคัญที่จะเลือกชุดที่เหมาะสม `'เหมือง การเลือกชุดเป็นกระบวนการของการค้นพบซึ่งชุดข้อมูลไปยังเหมือง การเลือกคุณลักษณะที่เป็นกระบวนการของการตัดสินใจที่จะรวมถึงคุณสมบัติในการการทำเหมืองแร่การเก็บตัวอย่าง: วิธีหนึ่งในการสำรวจชุดใหญ่คือการได้รับหนึ่งหรือมากกว่าหนึ่งตัวอย่างและการวิเคราะห์ตัวอย่าง ประโยชน์ของการสุ่มตัวอย่างก็คือว่าเราสามารถดำเนินการวิเคราะห์รายละเอียดเกี่ยวกับตัวอย่างที่จะเป็นไปไม่ได้ที่ชุดทั้งหมดสำหรับชุดข้อมูลขนาดใหญ่มาก ข้อเสียของการสุ่มตัวอย่างก็คือการได้รับตัวอย่างตัวแทนของงานที่กำหนดเป็นเรื่องยาก; เราอาจจะพลาดแนวโน้มที่สำคัญหรือรูปแบบเพราะพวกเขาจะไม่ได้รับอีกครั้ง? ected ในกลุ่มตัวอย่าง ระบบฐานข้อมูลในปัจจุบันยังให้การสนับสนุนที่ดีสำหรับการได้อย่างมีประสิทธิภาพได้รับตัวอย่าง การปรับปรุงฐานข้อมูลสนับสนุนสำหรับการได้รับตัวอย่างที่มีคุณสมบัติสถิติต่างๆที่น่าพอใจค่อนข้างตรงไปตรงมาและมีแนวโน้มที่จะวางจำหน่ายในอนาคต DBMSs การประยุกต์ใช้การสุ่มตัวอย่างเพื่อการทำเหมืองข้อมูลเป็นพื้นที่สำหรับการวิจัยต่อการแสดงเทคนิคการแสดงอย่างมีนัยสำคัญสามารถช่วยในการทำความเข้าใจเกี่ยวกับชุดข้อมูลที่ซับซ้อนและการตรวจสอบรูปแบบที่น่าสนใจและความสำคัญของการสร้างภาพในการทำเหมืองข้อมูลได้รับการยอมรับอย่างกว้างขวาง

ผลลัพธ์ (ไทย) 3:

ข้อมูลและการเลือกคุณลักษณะ : มันมักจะเป็นข้อมูลสำคัญเพื่อเลือก ' ใช่ ' ของฉัน การเลือกข้อมูลเป็นกระบวนการของการค้นหาข้อมูล ซึ่งผม การเลือกคุณลักษณะเป็นกระบวนการของการตัดสินใจซึ่งคุณลักษณะที่จะรวมในกระบวนการทำเหมือง

ตัวอย่าง : วิธีการสำรวจข้อมูลขนาดใหญ่ที่จะได้รับหนึ่งหรือมากกว่าหนึ่งตัวอย่างและการวิเคราะห์ตัวอย่างประโยชน์ของตัวอย่างที่เราสามารถดำเนินการวิเคราะห์รายละเอียดของตัวอย่างที่จะทำบนชุดข้อมูลทั้งหมด สำหรับชุดข้อมูลที่มีขนาดใหญ่มาก ข้อเสียของการสุ่มตัวอย่างที่ได้รับตัวอย่างที่เป็นตัวแทนเพื่อให้งานยาก เราอาจจะพลาดแนวโน้มสำคัญ หรือรูปแบบ เพราะพวกเขาจะไม่แน่ใจ� ? ประวัติศาสตร์ในตัวอย่างระบบฐานข้อมูลในปัจจุบันยังให้การสนับสนุนยากจนอย่างมีประสิทธิภาพได้รับตัวอย่าง การปรับปรุงฐานข้อมูลสนับสนุนการใช้คุณลักษณะทางสถิติต่าง ๆ จะค่อนข้างตรงไปตรงมา และน่าจะใช้ได้ใน DBMSs ในอนาคต ใช้กลุ่มตัวอย่างสำหรับการทำเหมืองข้อมูลคือ พื้นที่สำหรับการวิจัยเพิ่มเติม

ภาพ :เทคนิคการแสดงภาพประกอบเพลงอย่างมากสามารถช่วยในการเข้าใจข้อมูลที่ซับซ้อนและการตรวจสอบรูปแบบน่าสนใจ และความสำคัญของการมองเห็นในการทําเหมืองข้อมูล คือการยอมรับอย่างกว้างขวาง .