Data mining is an interdisciplinary

Data mining is an interdisciplinary field that combines artificial
intelligence, database management, data visualization, machine
learning, mathematic algorithms, and statistics. Data mining, also
known as knowledge discovery in databases (KDD) (Chen, Han, &
Yu, 1996; Fayyad, Piatetsky-Shapiro, & Smyth, 1996a), is a rapidly
emerging field. This technology provides different methodologies
for decision-making, problem solving, analysis, planning, diagnosis,
detection, integration, prevention, learning, and innovation
This technology is motivated by the need of new techniques to
help analyze, understand or even visualize the huge amounts of
stored data gathered from business and scientific applications. It
is the process of discovering interesting knowledge, such as patterns,
associations, changes, anomalies and significant structures
from large amounts of data stored in databases, data warehouses,
or other information repositories. It can be used to help companies
to make better decisions to stay competitive in the marketplace.
The major data mining functions that are developed in commercial
and research communities include summarization, association,
classification, prediction and clustering. These functions can be
implemented using a variety of technologies, such as database-oriented
techniques, machine learning and statistical techniques
(Fayyad, Piatetsky-Shapiro, & Smyth, 1996b).

ผลลัพธ์ (ไทย) 1:

การทำเหมืองข้อมูลเป็นเขตอาศัยที่ประดิษฐ์ปัญญา การจัดการฐานข้อมูล การแสดงข้อมูล เครื่องเรียน อัลกอริทึมคณิตศาสตร์ และสถิติ การทำเหมือง นอกจากนี้ข้อมูลเรียกว่าการค้นพบความรู้ในฐานข้อมูล (KDD) (Chen ฮัน และYu, 1996 Fayyad, Piatetsky Shapiro และ Smyth, 1996a), มีความรวดเร็วฟิลด์เกิดใหม่ เทคโนโลยีนี้ให้แตกต่างกันสำหรับการตัดสินใจ แก้ปัญหา วิเคราะห์ วางแผน วินิจฉัยตรวจสอบ รวม การป้องกัน เรียนรู้ และนวัตกรรมเทคโนโลยีนี้เป็นแรงบันดาลใจ โดยความต้องการของเทคนิคใหม่ช่วยวิเคราะห์ เข้าใจ หรือแม้แต่เห็นภาพจำนวนมากของข้อมูลที่ถูกเก็บรวบรวมมาจากโปรแกรมประยุกต์ทางวิทยาศาสตร์และธุรกิจ มันเป็นกระบวนการค้นพบความรู้ที่น่าสนใจ เช่นรูปแบบสมาคม เปลี่ยนแปลง ผิดปกติ และโครงสร้างที่สำคัญจากข้อมูลที่เก็บไว้ในฐานข้อมูล คลังข้อมูล จำนวนมากหรือเก็บข้อมูลอื่น ๆ สามารถใช้เพื่อช่วยให้บริษัทเพื่อทำการตัดสินใจที่ดีกว่าการแข่งขันในตลาดฟังก์ชันการทำเหมืองข้อมูลสำคัญที่มีพัฒนาเชิงพาณิชย์และวิจัยชุมชนรวมถึงการสรุปความ สมาคมประเภท การคาดเดา และการคลัสเตอร์ ฟังก์ชั่นเหล่านี้ดำเนินการโดยใช้ความหลากหลายของเทคโนโลยี มุ่งเน้นฐานข้อมูลเช่นเทคนิค การเรียนรู้ของเครื่อง และเทคนิคทางสถิติ(Fayyad, Piatetsky Shapiro และ Smyth, 1996b)

ผลลัพธ์ (ไทย) 2:

การทำเหมืองข้อมูลเป็นสหวิทยาการเขตที่รวมเทียมปัญญา, การจัดการฐานข้อมูลการแสดงข้อมูลเครื่องการเรียนรู้ขั้นตอนวิธีการทางคณิตศาสตร์และสถิติ การทำเหมืองข้อมูลยังรู้จักกันในนามค้นพบความรู้ในฐานข้อมูล (KDD) (เฉินฮันและยู1996; Fayyad, Piatetsky-ชาปิโรส์และเบิร์นส, 1996a) เป็นอย่างรวดเร็วสนามใหม่ เทคโนโลยีนี้มีวิธีการที่แตกต่างกันสำหรับการตัดสินใจการแก้ปัญหาการวิเคราะห์การวางแผนการวินิจฉัยตรวจสอบบูรณาการการป้องกัน, การเรียนรู้และนวัตกรรมเทคโนโลยีนี้เป็นแรงบันดาลใจจากความต้องการของเทคนิคใหม่ที่จะช่วยให้การวิเคราะห์ทำความเข้าใจหรือเห็นภาพจำนวนมากของข้อมูลที่เก็บรวบรวมมาจากธุรกิจและการใช้งานทางวิทยาศาสตร์ มันเป็นกระบวนการของการค้นพบความรู้ที่น่าสนใจเช่นรูปแบบที่สมาคมการเปลี่ยนแปลงที่ผิดปกติและโครงสร้างอย่างมีนัยสำคัญจากข้อมูลจำนวนมากเก็บไว้ในฐานข้อมูลคลังข้อมูลหรือเก็บข้อมูลอื่นๆ มันสามารถใช้เพื่อช่วยให้ บริษัทในการตัดสินใจที่ดีกว่าที่จะอยู่ในการแข่งขันในตลาด. ฟังก์ชั่นการทำเหมืองข้อมูลที่สำคัญที่มีการพัฒนาในเชิงพาณิชย์ชุมชนและการวิจัยรวมถึงการสรุปสมาคมการจัดหมวดหมู่การคาดการณ์และการจัดกลุ่ม ฟังก์ชั่นเหล่านี้สามารถดำเนินการโดยใช้ความหลากหลายของเทคโนโลยีเช่นฐานข้อมูลที่มุ่งเน้นการใช้เทคนิคการเรียนรู้เครื่องและเทคนิคทางสถิติ(Fayyad, Piatetsky-ชาปิโรส์และเบิร์นส 1996b)