Data mining is an interdisciplinary

Data mining is an interdisciplinary subfield of computer science.[1][2][3] It is the computational process of discovering patterns in large data sets involving methods at the intersection of artificial intelligence, machine learning, statistics, and database systems.[1] The overall goal of the data mining process is to extract information from a data set and transform it into an understandable structure for further use.[1] Aside from the raw analysis step, it involves database and data management aspects, data pre-processing, model and inference considerations, interestingness metrics, complexity considerations, post-processing of discovered structures, visualization, and online updating.[1] Data mining is the analysis step of the "knowledge discovery in databases" process, or KDD.

ผลลัพธ์ (ไทย) 1:

การทำเหมืองข้อมูลเป็นการย่อยสาขาวิทยาศาสตร์คอมพิวเตอร์ [1] [2] [3]เป็นกระบวนการคำนวณของการค้นพบรูปแบบในชุดข้อมูลขนาดใหญ่ที่เกี่ยวข้องกับวิธีการของปัญญาประดิษฐ์ การเรียนรู้ของเครื่อง สถิติ และระบบฐานข้อมูล [1] เป้าหมายโดยรวมของกระบวนการทำเหมืองข้อมูลคือการ แยกข้อมูลจากชุดข้อมูล และกลายเป็นโครงสร้างเข้าใจสำหรับใช้เพิ่มเติม [1] น้องจากขั้นตอนการวิเคราะห์วัตถุดิบ มันเกี่ยวข้องกับฐานข้อมูล และด้านการจัดการข้อมูล ข้อมูลก่อนการประมวลผล รูปแบบ และข้อพิจารณา วัดเอง พิจารณาความซับซ้อน การประมวลผลหลังพบโครงสร้าง การแสดง และการปรับปรุงออนไลน์ [1] การทำเหมืองข้อมูลเป็นขั้นตอนการวิเคราะห์ของกระบวนการ "ค้นหาความรู้ในฐานข้อมูล" หรือ KDD

ผลลัพธ์ (ไทย) 2:

การทำเหมืองข้อมูลเป็นฟิลด์สหวิทยาการคอมพิวเตอร์. [1] [2] [3] มันเป็นขั้นตอนการคำนวณของการค้นพบรูปแบบในชุดข้อมูลขนาดใหญ่ที่เกี่ยวข้องกับวิธีการที่จุดตัดของปัญญาประดิษฐ์การเรียนรู้เครื่องสถิติและระบบฐานข้อมูล. [ 1] เป้าหมายโดยรวมของกระบวนการทำเหมืองข้อมูลคือการดึงข้อมูลจากชุดข้อมูลและแปลงมันเป็นโครงสร้างที่เข้าใจได้สำหรับการใช้งานต่อไป. [1] นอกเหนือจากขั้นตอนการวิเคราะห์ดิบมันเกี่ยวข้องกับฐานข้อมูลและการจัดการข้อมูลด้านข้อมูลก่อน การประมวลผลรูปแบบและอนุมานพิจารณาตัวชี้วัด interestingness พิจารณาความซับซ้อนของการโพสต์ของโครงสร้างค้นพบ, การแสดงและการปรับปรุงออนไลน์. [1] การทำเหมืองข้อมูลเป็นขั้นตอนการวิเคราะห์ของ "ค้นพบความรู้ในฐานข้อมูล" กระบวนการหรือ KDD

ผลลัพธ์ (ไทย) 3:

การทำเหมืองข้อมูลเป็น subfield สหวิทยาการวิทยาศาสตร์คอมพิวเตอร์ [ 1 ] [ 2 ] [ 3 ] มันเป็นคอมพิวเตอร์ กระบวนการค้นหาข้อมูลที่เกี่ยวข้องกับชุดรูปแบบในขนาดใหญ่วิธีที่จุดตัดของปัญญาประดิษฐ์ การเรียนรู้เครื่อง , สถิติ , และระบบฐานข้อมูล [ 1 ] เป้าหมายโดยรวมของการทำเหมืองข้อมูลเป็นกระบวนการแยกข้อมูล จากชุดข้อมูลและแปลงมันเป็นโครงสร้างที่เข้าใจได้ง่ายสำหรับการใช้งานต่อไป . [ 1 ] นอกเหนือจากการวิเคราะห์วัตถุดิบขั้นตอนที่เกี่ยวข้องกับฐานข้อมูล และด้านการจัดการข้อมูล การประมวลผลข้อมูล รูปแบบ และการพิจารณาตัวชี้วัดความน่าสนใจ การพิจารณาความซับซ้อนของการประมวลผลของการค้นพบโครงสร้าง , ภาพ , และออนไลน์ปรับปรุง [ 1 ] การทำเหมืองข้อมูลคือ การวิเคราะห์ขั้นตอนของ " knowled โดยการค้นพบในฐานข้อมูลกระบวนการ " หรือ KDD .