Current data mining approaches gene

Current data mining approaches generally condense play information into characteristics or features, which are then analyzed for patterns. This works best when the designer has specific questions that the data can answer. It is more difficult to formulate queries when one is not sure what patterns are in the data. For example, it is difficult to detect player confusion by looking at game metrics, even when it would be obvious by watching a video of the game play. Humans are good at recognizing these kinds of patterns visually, and so it is easier to identify complex patterns by including a person in the analysis [13]. This is the premise of visual data mining, which has been been applied to many kinds of data [14]. It is particularly useful when one does not know beforehand what patterns one will find, such as in games.

ผลลัพธ์ (ไทย) 1:

การทำเหมืองข้อมูลปัจจุบันโดยทั่วไปบีบวิธีเล่นข้อมูลเป็นลักษณะหรือคุณสมบัติ ซึ่งลักษณะรูปแบบแล้ว นี้ได้ผลดีที่สุดเมื่อแบบมีคำถามเฉพาะที่ข้อมูลสามารถตอบ ยากต่อการกำหนดแบบสอบถามเมื่อหนึ่งไม่แน่ใจว่ารูปแบบที่อยู่ในข้อมูลได้ ตัวอย่าง ได้ยากที่จะตรวจสอบสับสนเล่น โดยดูที่วัดเกม แม้มันจะชัด ด้วยการดูวิดีโอการเล่นเกม มนุษย์มีดีที่การจดจำรูปแบบต่าง ๆ เหล่านี้มองเห็นได้ และดังนั้น จึงง่ายต่อการระบุรูปแบบที่ซับซ้อน ด้วยการรวมบุคคลในการวิเคราะห์ [13] นี่คือหลักฐานของภาพการทำเหมืองข้อมูล ซึ่งได้รับการใช้หลายชนิดของข้อมูล [14] มีประโยชน์อย่างยิ่งเมื่อหนึ่งไม่ทราบมาก่อนว่ารูปแบบหนึ่งจะพบ เช่นในเกมได้

ผลลัพธ์ (ไทย) 2:

วิธีการทำเหมืองข้อมูลปัจจุบันโดยทั่วไปรวมตัวเล่นข้อมูลในลักษณะหรือคุณสมบัติที่มีการวิเคราะห์หารูปแบบ นี้ทำงานได้ดีที่สุดเมื่อนักออกแบบมีคำถามที่เฉพาะเจาะจงว่าข้อมูลสามารถตอบ มันเป็นเรื่องยากมากที่จะกำหนดคำสั่งเมื่อหนึ่งไม่แน่ใจว่าสิ่งที่อยู่ในรูปแบบข้อมูล ยกตัวอย่างเช่นมันเป็นเรื่องยากที่จะตรวจสอบความสับสนของผู้เล่นโดยดูที่ตัวชี้วัดที่เกมแม้ในขณะที่มันจะเห็นได้ชัดจากการดูวิดีโอของการเล่นเกม มนุษย์เป็นสิ่งที่ดีที่การรับรู้เหล่านี้ชนิดของรูปแบบการมองเห็นและดังนั้นจึงเป็นเรื่องง่ายที่จะระบุรูปแบบที่ซับซ้อนโดยรวมถึงบุคคลที่อยู่ในการวิเคราะห์ [13] นี่คือสถานที่ตั้งของการทำเหมืองข้อมูลภาพที่ได้รับการถูกนำไปใช้หลายชนิดข้อมูล [14] มันจะมีประโยชน์โดยเฉพาะอย่างยิ่งเมื่อหนึ่งไม่ทราบล่วงหน้ารูปแบบหนึ่งสิ่งที่จะพบเช่นในเกม

ผลลัพธ์ (ไทย) 3:

การทำเหมืองข้อมูลในปัจจุบันวิธีบีบข้อมูลทั่วไปเล่นในลักษณะหรือคุณสมบัติที่จะถูกวิเคราะห์รูปแบบ นี้ทำงานได้ดีที่สุดเมื่อผู้ออกแบบมีคำถามที่เฉพาะเจาะจงไปที่ข้อมูลที่สามารถตอบ มันเป็นเรื่องยากที่จะสร้างแบบสอบถามเมื่อหนึ่งไม่แน่ใจว่าเป็นรูปแบบในข้อมูล ตัวอย่างเช่น , มันเป็นเรื่องยากที่จะตรวจสอบโดยดูจากความสับสนของผู้เล่นเกมแม้ว่ามันจะชัดเจนโดยการดูวิดีโอของการเล่นเกม มนุษย์จะเก่งในการเหล่านี้ชนิดของรูปแบบการมองเห็น และมันเป็นเรื่องง่ายที่จะระบุรูปแบบซับซ้อน โดยรวมทั้งบุคคลในการวิเคราะห์ [ 13 ] นี้คือสถานที่ตั้งของการทำเหมืองข้อมูลภาพ ซึ่งได้ถูกใช้กับหลาย ๆ ชนิดของข้อมูล [ 14 ]มันเป็นประโยชน์โดยเฉพาะอย่างยิ่งเมื่อหนึ่งไม่ได้รู้ล่วงหน้าว่ารูปแบบหนึ่งจะพบ เช่นในเกม