Data Mining is main concerned with

Data Mining is main concerned with the analysis of data and
Data Mining tools and techniques are used for finding patterns
from the data set. The main objective of Data Mining is to find
patterns automatically with minimal user input and efforts.
Data Mining is a powerful tool capable of handling decision
making and for forecasting future trends of market. Data
Mining tools and techniques can be successfully applied in various fields in various forms. Many Organizations now start
using Data Mining as a tool, to deal with the competitive
environment for data analysis. By using Mining tools and
techniques, various fields of business get benefit by easily
evaluate various trends and pattern of market and to produce
quick and effective market trend analysis. Data mining is very
useful tool for the diagnosis of diseases.
2.2. Techniques used in data mining
A. Association: - Association is one of the best known data
mining technique. In association, a pattern is discovered based
on a relationship of a particular item on other items in the same
transaction. For example, the association technique is used in
heart disease prediction as it tell us the relationship of different
attributes used for analysis and sort out the patient with all the
risk factor which are required for prediction of disease.
B. Classification: -Classification is a classic data mining
technique based on machine learning. Basically classification
is used to classify each item in a set of data into one of
predefined set of classes or groups. Classification method
makes use of mathematical techniques such as decision trees,
linear programming, neural network and statistics.
C. Clustering: -Clustering is a data mining technique that
makes meaningful or useful cluster of objects that have similar
characteristic using automatic technique. Different from
classification, clustering technique also defines the classes and
put objects in them, while in classification objects are assigned
into predefined classes. For example In prediction of heart
disease by using clustering we get cluster or we can say that
list of patients which have same risk factor. Means this makes
the separate list of patients with high blood sugar and related
risk factor n so on.
D. Prediction: - The prediction as it name implied is one of a
data mining techniques that discovers relationship between
independent variables and relationship between dependent and
independent variables. For instance, prediction analysis
technique can be used in sale to predict profit for the future if
we consider sale is an independent variable, profit could be a
dependent variable. Then based on the historical sale and profit
data, we can draw a fitted regression curve that is used for
profit prediction.

ผลลัพธ์ (ไทย) 1:

การทำเหมืองข้อมูลเป็นหลักเกี่ยวข้องกับการวิเคราะห์ข้อมูล และใช้เครื่องมือการทำเหมืองข้อมูลและเทคนิคการหารูปแบบจากชุดข้อมูล วัตถุประสงค์หลักของการทำเหมืองแร่ข้อมูลคือการ หารูปแบบโดยอัตโนมัติ ด้วยการป้อนข้อมูลผู้ใช้น้อยที่สุดและความพยายามการทำเหมืองข้อมูลเป็นเครื่องมือมีประสิทธิภาพสามารถจัดการตัดสินใจทำ และคาดการณ์แนวโน้มในอนาคตของตลาด ข้อมูลเทคนิคและเครื่องมือทำเหมืองสามารถถูกนำไปใช้ในฟิลด์ต่าง ๆ ในแบบฟอร์มต่าง ๆ หลายองค์กรเริ่มต้นเดี๋ยวนี้ใช้ข้อมูลที่ทำเหมืองแร่เป็นเครื่องมือ การจัดการกับการแข่งขันสภาพแวดล้อมสำหรับการวิเคราะห์ข้อมูล โดยใช้เครื่องมือทำเหมืองแร่ และเทคนิค ฟิลด์ต่าง ๆ ของธุรกิจได้รับประโยชน์โดยได้ประเมินแนวโน้มและรูปแบบ ของตลาด และ การผลิตต่าง ๆบทวิเคราะห์แนวโน้มการตลาดอย่างรวดเร็ว และมีประสิทธิภาพ การทำเหมืองข้อมูลมีมากเครื่องมือที่มีประโยชน์สำหรับการวินิจฉัยโรค2.2. เทคนิคที่ใช้ในการทำเหมืองข้อมูลA. สมาคม: - สมาคมเป็นหนึ่งข้อมูลรู้จักกันดีเทคนิคการทำเหมืองแร่ ค้นพบในความสัมพันธ์ รูปแบบตามในความสัมพันธ์ของสินค้ากับสินค้าอื่น ๆ ในเดียวกันธุรกรรม ตัวอย่าง ใช้เทคนิคการเชื่อมโยงในพยากรณ์โรคหัวใจที่บอกความสัมพันธ์ของแตกต่างกันแอตทริบิวต์ที่ใช้สำหรับการวิเคราะห์และจัดเรียงออกมาให้ผู้ป่วยมีการปัจจัยความเสี่ยงที่จำเป็นสำหรับการพยากรณ์ของโรคB. ประเภท: -การจัดประเภทเป็นการทำเหมืองข้อมูลคลาสสิกเทคนิคที่ใช้ในเรียนรู้ของเครื่อง ประเภททั่วไปใช้เพื่อจัดประเภทสินค้าแต่ละรายการในชุดของข้อมูลเข้าชุดของชั้นเรียนหรือกลุ่ม วิธีการจัดประเภททำให้ใช้เทคนิคทางคณิตศาสตร์เช่นต้นไม้การตัดสินใจกำหนดการเชิงเส้น โครงข่ายประสาท และสถิติC. Clustering: -Clustering เป็นเทคนิคการทำเหมืองข้อมูลที่ทำให้คลัสเตอร์มีความหมาย หรือประโยชน์ของวัตถุที่คล้ายคลึงกันลักษณะใช้เทคนิคอัตโนมัติ แตกต่างจากประเภท คลัสเตอร์เทคนิคกำคลา และวางวัตถุได้ ในขณะที่ในประเภท กำหนดวัตถุในห้องเรียนล่วงหน้า ตัวอย่างในการคาดเดาของหัวใจโรคโดยคลัสเตอร์เรารับคลัสเตอร์ หรือเราสามารถบอกว่ารายชื่อผู้ป่วยที่มีปัจจัยเสี่ยงเหมือนกัน วิธีนี้ทำให้อีกรายป่วยสูงน้ำตาลในเลือด และที่เกี่ยวข้องปัจจัยเสี่ยง n เรื่อย ๆD. ทำนาย: -คำทำนายตาม ชื่อนัยเป็นหนึ่งของการเทคนิคการทำเหมืองข้อมูลที่พบความสัมพันธ์ระหว่างตัวแปรอิสระและความสัมพันธ์ระหว่างผู้อยู่ในอุปการะ และตัวแปรอิสระ ตัวอย่าง ทำนายวิเคราะห์สามารถใช้เทคนิคการขายเพื่อคาดการณ์กำไรในอนาคตถ้าเราพิจารณาตัวแปรอิสระคือขาย กำไรอาจเป็นขึ้นอยู่กับตัวแปร จากนั้น ตามประวัติศาสตร์ขายและกำไรข้อมูล เราสามารถวาดเส้นโค้งผ่อนถดถอยที่ใช้สำหรับกำไรคาดการณ์

ผลลัพธ์ (ไทย) 2:

การทำเหมืองข้อมูลเป็นหลักที่เกี่ยวข้องกับการวิเคราะห์ข้อมูลและ
เครื่องมือการทำเหมืองข้อมูลและเทคนิคที่ใช้ในการหารูปแบบ
จากชุดข้อมูล วัตถุประสงค์หลักของการทำเหมืองข้อมูลคือการหา
รูปแบบโดยอัตโนมัติด้วยการป้อนข้อมูลของผู้ใช้น้อยที่สุดและความพยายาม.
การทำเหมืองข้อมูลเป็นเครื่องมือที่มีประสิทธิภาพความสามารถในการจัดการการตัดสินใจ
ทำและคาดการณ์แนวโน้มในอนาคตของตลาด ข้อมูล
เครื่องมือและเทคนิคการทำเหมืองแร่สามารถนำมาใช้ประสบความสำเร็จในด้านต่าง ๆ ในรูปแบบต่างๆ องค์กรจำนวนมากขณะนี้เริ่มต้น
โดยใช้การทำเหมืองข้อมูลเป็นเครื่องมือในการจัดการกับการแข่งขัน
สภาพแวดล้อมในการวิเคราะห์ข้อมูล โดยใช้เครื่องมือการทำเหมืองแร่และ
เทคนิคด้านต่างๆของผลประโยชน์ทางธุรกิจที่ได้รับได้อย่างง่ายดายโดย
ประเมินแนวโน้มต่างๆและรูปแบบของการตลาดและการผลิต
การตลาดได้อย่างรวดเร็วและมีประสิทธิภาพในการวิเคราะห์แนวโน้ม การทำเหมืองข้อมูลเป็นอย่างมาก
เครื่องมือที่มีประโยชน์สำหรับการวินิจฉัยของโรค.
2.2 เทคนิคที่ใช้ในการทำเหมืองข้อมูล
A. สมาคม - สมาคมเป็นหนึ่งในข้อมูลที่รู้จักกันดีที่สุด
เทคนิคการทำเหมืองแร่ ในการเชื่อมโยง, รูปแบบที่มีการค้นพบขึ้นอยู่
กับความสัมพันธ์ของรายการโดยเฉพาะอย่างยิ่งในรายการอื่น ๆ ในเดียวกัน
การทำธุรกรรม ตัวอย่างเช่นสมาคมเทคนิคที่ใช้ใน
การทำนายการเกิดโรคหัวใจในขณะที่มันบอกเราความสัมพันธ์ที่แตกต่างกันของ
คุณลักษณะที่ใช้ในการวิเคราะห์และจัดเรียงออกของผู้ป่วยที่มีทั้งหมด
ปัจจัยเสี่ยงที่จำเป็นสำหรับการคาดการณ์ของการเกิดโรค.
บี ประเภท: -Classification เป็นคลาสสิกการทำเหมืองข้อมูล
เทคนิคอยู่บนพื้นฐานของการเรียนรู้เครื่อง การจัดหมวดหมู่โดยทั่วไป
จะใช้ในการจำแนกแต่ละรายการในชุดของข้อมูลเป็นหนึ่งใน
ชุดที่กำหนดไว้ล่วงหน้าของการเรียนหรือกลุ่ม วิธีการจัดหมวดหมู่
ทำให้การใช้เทคนิคทางคณิตศาสตร์เช่นต้นไม้ตัดสินใจ
การเขียนโปรแกรมเชิงเส้นโครงข่ายประสาทและสถิติ.
ซี Clustering: -Clustering เป็นเทคนิคการทำเหมืองข้อมูลที่
ทำให้กลุ่มที่มีความหมายหรือมีประโยชน์ของวัตถุที่คล้ายกันมี
ลักษณะการใช้เทคนิคอัตโนมัติ แตกต่างจาก
การจัดหมวดหมู่การจัดกลุ่มเทคนิคยังกำหนดชั้นเรียนและ
วางวัตถุในพวกเขาในขณะที่ในการจำแนกประเภทวัตถุที่ได้รับมอบหมาย
ในชั้นเรียนที่กำหนดไว้ล่วงหน้า ยกตัวอย่างเช่นในการทำนายของหัวใจ
โรคโดยใช้การจัดกลุ่มคลัสเตอร์ที่เราได้รับหรือเราสามารถพูดได้ว่า
รายชื่อของผู้ป่วยที่มีปัจจัยเสี่ยงเช่นเดียวกัน หมายถึงนี้จะทำให้
รายการที่แยกต่างหากจากผู้ป่วยที่มีระดับน้ำตาลในเลือดสูงและเกี่ยวข้องกับ
ปัจจัยเสี่ยงอื่น ๆ n.
D. ทำนาย: - การคาดการณ์ในขณะที่มันชื่อนัยเป็นหนึ่งใน
เทคนิคการทำเหมืองข้อมูลที่ค้นพบความสัมพันธ์ระหว่าง
ตัวแปรอิสระและความสัมพันธ์ระหว่างขึ้นอยู่กับ
ตัวแปรอิสระ ยกตัวอย่างเช่นการวิเคราะห์การทำนาย
เทคนิคสามารถนำมาใช้ในการขายที่จะคาดการณ์ผลกำไรในอนาคตถ้า
เราพิจารณาขายเป็นตัวแปรอิสระกำไรอาจจะเป็น
ตัวแปรตาม จากนั้นตามประวัติศาสตร์ในการขายและกำไร
ข้อมูลเราสามารถวาดเส้นโค้งการถดถอยติดตั้งที่ใช้สำหรับการ
คาดการณ์ผลกำไร

ผลลัพธ์ (ไทย) 3:

การทำเหมืองข้อมูลเป็นหลักที่เกี่ยวข้องกับการวิเคราะห์ข้อมูลและ
การทำเหมืองข้อมูลเครื่องมือและเทคนิคที่ใช้ในการหารูปแบบ
จากชุดข้อมูล วัตถุประสงค์หลักของการทำเหมืองข้อมูลเพื่อหารูปแบบการป้อนข้อมูลโดยอัตโนมัติด้วย
ผู้ใช้น้อยที่สุดและความพยายาม เหมืองแร่
ข้อมูลเป็นเครื่องมือที่มีประสิทธิภาพความสามารถในการจัดการการตัดสินใจ
และการพยากรณ์แนวโน้มของตลาด
ข้อมูลเครื่องมือเหมืองแร่และเทคนิคสามารถสมัครเรียบร้อยแล้ว ในด้านต่าง ๆ ในรูปแบบต่าง ๆ หลายองค์กรเริ่ม
เหมืองข้อมูลเป็นเครื่องมือที่จะรับมือกับสภาพแวดล้อมการแข่งขัน
เพื่อการวิเคราะห์ข้อมูล โดยการใช้เครื่องมือและเหมือง
เทคนิคด้านต่างๆของธุรกิจได้รับประโยชน์โดยง่ายดาย
ประเมินแนวโน้มต่างๆและรูปแบบของตลาดและผลิต
การวิเคราะห์แนวโน้มของตลาดได้อย่างรวดเร็วและมีประสิทธิภาพ การทำเหมืองข้อมูลมาก
เครื่องมือที่มีประโยชน์สำหรับการวินิจฉัยของโรค
2.2 . การใช้เทคนิคเหมืองข้อมูล
a สมาคม : สมาคมเป็นหนึ่งในที่รู้จักกันดีข้อมูล
การทำเหมืองข้อมูลเทคนิค ในสมาคม รูปแบบถูกค้นพบโดย
บนความสัมพันธ์ของรายการเฉพาะในรายการอื่น ๆในธุรกรรมเดียวกัน

ตัวอย่างเช่น เทคนิคที่ใช้ใน
สมาคมโรคหัวใจการทำนายมันบอกความสัมพันธ์ของลักษณะที่แตกต่างกัน
ใช้ในการวิเคราะห์และแยกแยะผู้ป่วยทั้งหมด
ปัจจัยเสี่ยงซึ่งจำเป็นสำหรับการพยากรณ์โรค ประเภท B :
- การจำแนกเป็นคลาสสิกการทำเหมืองข้อมูล
เทคนิคขึ้นอยู่กับการเรียนรู้เครื่อง โดยทั่วไปการจำแนกประเภท
ถูกใช้เพื่อแยกแต่ละรายการในชุดของข้อมูลในหนึ่ง
ที่กำหนดไว้ล่วงหน้าชุดของกลุ่มชั้นเรียนหรือ การจำแนกวิธี
ทำให้การใช้เทคนิคทางคณิตศาสตร์ เช่น ต้นไม้ การตัดสินใจ
โปรแกรมเชิงเส้น แบบจำลองโครงข่ายประสาทและสถิติ .
c : - การจัดกลุ่มการจัดกลุ่มเป็นเทคนิคเหมืองข้อมูลที่
ทำให้มีความหมายหรือประโยชน์กลุ่มของวัตถุที่มีลักษณะคล้าย
โดยใช้เทคนิคแบบอัตโนมัติ แตกต่างจาก
การจำแนกข้อมูลเทคนิคยังกำหนดชั้นเรียนและ
ใส่วัตถุเหล่านั้น ในขณะที่ในการจำแนกวัตถุจะถูกกำหนดไว้ล่วงหน้า
ในชั้นเรียน ตัวอย่างเช่นในการทำนายโรคหัวใจ
โดยใช้การจัดกลุ่มที่เราได้รับ กลุ่ม หรือเราสามารถพูดได้ว่า
รายชื่อผู้ป่วยซึ่งมีปัจจัยความเสี่ยงเหมือนกัน วิธีนี้ทำให้
แยกรายชื่อผู้ป่วยที่มีน้ำตาลในเลือดสูงและปัจจัยเสี่ยงที่เกี่ยวข้อง
n
D เป็นต้นการทำนาย - การทำนาย : เป็นชื่อนัยเป็นหนึ่งของ
เทคนิคเหมืองข้อมูลที่ค้นพบความสัมพันธ์ระหว่างตัวแปรอิสระ และความสัมพันธ์ระหว่าง

ตัวแปรตามและตัวแปรอิสระ ตัวอย่าง การวิเคราะห์
ทำนายที่สามารถใช้ในการขายที่จะคาดการณ์กำไรในอนาคตถ้า
เราพิจารณาขาย และตัวแปรอิสระ กำไรอาจจะ
ตัวแปรตามก็ขึ้นอยู่กับการขายทางประวัติศาสตร์และกำไร
ข้อมูล เราสามารถวาดเป็นเส้นโค้งที่ใช้สำหรับการติดตั้ง
ทำนายกำไร