CLASSIFICATION - Recognizes pattern

CLASSIFICATION - Recognizes patterns that describe the group to which an item belongs to. by examining existing items that have been
classified and by inferring a set of rules.
E.g: Businesses such as Credit Card or Telephone companies worry about the loss of steady customers. The Classification helps discover the characteristics of Customers who are likely to leave and can provide a model to help managers predict those customers so that the Managers can devise special campaigns to retain such customers.
CLUSTERING – Works in a manner similar to Classification when no groups have yet been defined. A Data Mining Tool can discover different groupings within data, such as finding affinity (similar) groups for Bank Cards or Partitioning a Database into groups of Customers based on demographics and types of personal investment.
FORECASTING – Uses prediction in a different way than the others. It uses a series of existing values to forecast what other values will be.
e.g. Forecasting might find patterns in data to help managers
estimate the future value of continuous variables, such as Sales

ผลลัพธ์ (ไทย) 1:

การจัดหมวดหมู่ - ตระหนักถึงรูปแบบที่อธิบายถึงกลุ่มสินค้าที่เป็นของ โดยการตรวจสอบรายการที่มีอยู่ที่ได้รับการจัด
และโดยการอนุมานชุดของกฎเช่น
:. ธุรกิจดังกล่าวเป็นบัตรเครดิตหรือ บริษัท โทรศัพท์ต้องกังวลเกี่ยวกับการสูญเสียของลูกค้าอย่างต่อเนื่องการจัดหมวดหมู่จะช่วยให้ค้นพบลักษณะของลูกค้าที่มีแนวโน้มที่จะออกไปและสามารถให้รูปแบบที่จะช่วยผู้จัดการทำนายลูกค้าเหล่านั้นเพื่อให้ผู้จัดการสามารถประดิษฐ์แคมเปญพิเศษเพื่อรักษาลูกค้ากลุ่มดังกล่าว
 -. ทำงานในลักษณะที่คล้ายคลึงกับการจัดหมวดหมู่เมื่อไม่มี กลุ่มยังไม่ถูกกำหนด เครื่องมือการทำเหมืองข้อมูลสามารถค้นพบกลุ่มที่แตกต่างกันภายในข้อมูล. เช่นการหาความสัมพันธ์ (คล้าย) กลุ่มสำหรับบัตรของธนาคารหรือแบ่งพาร์ทิชันฐานข้อมูลเป็นกลุ่มของลูกค้าบนพื้นฐานของประชากรและชนิดของการลงทุนส่วนบุคคลของ
พยาก​​รณ์ - ใช้ทำนายในวิธีที่แตกต่างกว่าคนอื่น ๆ จะใช้ชุดของค่าที่มีอยู่ที่จะคาดการณ์ว่าค่าอื่น ๆ จะ.
เช่น การคาดการณ์อาจพบในรูปแบบข้อมูลเพื่อช่วยให้ผู้จัดการ
ประเมินมูลค่าในอนาคตของตัวแปรอย่างต่อเนื่องเช่นการขาย

ผลลัพธ์ (ไทย) 2:

ประเภท - รู้จักรูปแบบที่อธิบายที่รายการเป็นสมาชิกของกลุ่ม ด้วยการตรวจสอบสินค้าที่มีอยู่ที่
จัด และโดย inferring ชุดของกฎ
E. g: ธุรกิจเช่นบริษัทบัตรเครดิตหรือโทรศัพท์กังวลเกี่ยวกับการสูญเสียลูกค้าที่มั่นคง การจัดประเภทช่วยให้ค้นพบลักษณะของลูกค้าที่มักจะออก และจัดรูปแบบเพื่อช่วยให้ผู้จัดการที่ทำนายลูกค้าเหล่านั้นเพื่อให้ผู้จัดการสามารถประดิษฐ์แคมเปญพิเศษให้ลูกค้าดังกล่าวได้
CLUSTERING – ทำงานในลักษณะคล้ายกับการจัดประเภทเมื่อได้มีการกำหนดกลุ่มไม่ เครื่องมือทำเหมืองแร่ข้อมูลสามารถค้นพบกลุ่มต่าง ๆ ภายในข้อมูล เช่นหาความสัมพันธ์ (คล้าย) กลุ่มธนาคารบัตร หรือพาร์ทิชันฐานข้อมูลในกลุ่มของลูกค้าตามลักษณะประชากรและชนิดของการลงทุนส่วนบุคคล
FORECASTING – ใช้ทำนายในลักษณะแตกต่างกว่าคนอื่น ๆ ใช้ชุดของค่าที่มีอยู่เพื่อการคาดการณ์ว่า ค่าอื่น ๆ สิ่งที่จะได้
e. g คาดการณ์อาจพบรูปแบบข้อมูลเพื่อช่วยให้ผู้จัดการ
ประเมินค่าของตัวแปรต่อเนื่อง เช่นขายในอนาคต

ผลลัพธ์ (ไทย) 3:

การแบ่ง ประเภท - รู้จักรูปแบบที่ได้อธิบายถึงกลุ่มที่รายการที่เป็นของ G ด้วยการตรวจสอบรายการที่มีอยู่เดิมที่ได้รับการจัด ประเภท และ
ซึ่งจะช่วยโดย inferring ตั้งค่ากฎ.
e .ธุรกิจเช่นบัตรเครดิตหรือบริษัทผู้ให้บริการโทรศัพท์กังวลเกี่ยวกับการสูญเสียของลูกค้าอย่างต่อเนื่องที่จะช่วยให้การจำแนก ประเภท การค้นหาลักษณะของลูกค้าที่มีแนวโน้มในการทำให้และสามารถจัดให้บริการที่รุ่นในการช่วยให้ผู้จัดการฝ่ายไอทีทำนายผู้ที่ลูกค้าให้ผู้จัดการสามารถออกแบบพิเศษแคมเปญเพื่อรักษาดังกล่าวให้แก่ลูกค้า.
clustering - ทำงานในลักษณะคล้ายกับการแบ่ง ประเภท เมื่อไม่มีกลุ่มยังไม่ได้กำหนดไว้. ข้อมูลการทำเหมืองแร่เครื่องมือที่สามารถสำรวจกลุ่มอื่นที่อยู่ ภายใน ข้อมูลเช่นการหาความสัมพันธ์กับ(คล้าย)กลุ่มสำหรับธนาคารการ์ดหรือการแบ่งพาร์ติชั่นฐานข้อมูลที่เป็นกลุ่มของลูกค้าที่ใช้และ ประเภท ของข้อมูลทั่วไปของการลงทุนส่วนตัว.
forecasting - ใช้การคาดเดาในรูปแบบที่แตกต่างกันมากกว่าที่อื่นๆได้ มีการใช้ชุดของค่าที่มีอยู่ให้มีการคาดการณ์ว่าค่าอื่นๆจะเป็น.
เช่น การประมาณการอาจจะได้พบกับรูปแบบในข้อมูลเพื่อช่วยให้ผู้จัดการฝ่ายไอที
ตามมาตรฐานประเมินมูลค่าในอนาคตของตัวแปรอย่างต่อเนื่องเช่นการขาย